一种基于动量更新的多任务小粒度权重平均方法及系统

本发明涉及通讯信号跟踪控制领域，特别涉及一种基于动量更新的多任务小粒度权重平均方法及系统。方法包括：依据原始多任务学习模型，对每个任务在每个训练批次计算预测输出与真值的损失值，通过计算前两个批次的损失值的比率并进行归一化，得到当前批次的任务权重；使用动量策略结合当前批次的任务权重和前一批次的损失权重计算得到当前批次的损失权重；将当前批次的损失权重与该任务的损失值相乘并求和，获得最终损失值，用以优化多任务学习模型的参数；迭代多个批次直到最终损失值收敛，获得多任务学习模型。本发明提供的方法基于动量更新的多任务小粒度权重平均方法没有超参数，不需要根据任务类型手动调整参数，可方便移植到不同的数据上。