申请/专利权人：聚好看科技股份有限公司

申请日：2022-08-31

公开（公告）日：2022-12-02

公开（公告）号：CN115423016A

主分类号：G06K9/62

分类号：G06K9/62;G06N3/04;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.12.20#实质审查的生效;2022.12.02#公开

摘要：本公开涉及一种多任务预测模型的训练方法、多任务预测方法及装置，应用于人工智能技术领域，该多任务预测模型的训练方法包括：构建初始多任务预测模型；通过特征补偿模型对训练数据进行特征提取，得到特征补偿数据；通过多个专家网络分别对训练数据进行特征提取，得到多个特征提取数据；基于每个门控网络，分别对特征提取数据进行融合，得到每个门控网络对应的特征融合数据；通过每个tower网络，对相应的tower网络输入数据进行任务预测，以得到每个tower网络的任务预测结果；基于每个tower网络的任务预测结果，对初始多任务预测模型进行训练，得到目标多任务预测模型。能够解决在训练数据较少时，传统多任务模型任务预测准确度低的问题。

主权项：1.一种多任务预测模型的训练方法，其特征在于，所述方法包括：构建初始多任务预测模型，所述初始多任务预测模型包括：特征补偿模型、多个专家网络、多个门控网络以及多个tower网络，其中，多个门控网络与多个tower网络一一对应，每个tower网络对应一个任务；通过所述特征补偿模型对训练数据进行特征提取，得到特征补偿数据；通过多个专家网络分别对所述训练数据进行特征提取，得到多个特征提取数据；基于每个门控网络，分别对所述特征提取数据进行融合，得到每个门控网络对应的特征融合数据；通过所述每个tower网络，对相应的tower网络输入数据进行任务预测，以得到所述每个tower网络的任务预测结果，所述tower网络输入数据是根据所述特征补偿数据和相应的门控网络对应的特征融合数据得到的；基于所述每个tower网络的任务预测结果，对所述初始多任务预测模型进行训练，得到目标多任务预测模型。

全文数据：

权利要求：

百度查询： 聚好看科技股份有限公司 多任务预测模型的训练方法、多任务预测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD