基于脉冲神经网络的多任务学习模型、介质及设备

本发明涉及人工智能技术领域，尤其涉及一种基于脉冲神经网络的多任务学习模型、介质及设备，包括以下步骤：确定目标多任务学习场景，选择包括点击率预测任务、跳过行为预测、收藏行为预测和用户打分预测为目标任务；获取多任务学习的初始模型并对参数进行初始化，初始模型包括脉冲编码模块、专家层模块和门控网络模块；构建数据集；采用构建的数据集对初始模型进行训练，训练时，数据以脉冲形式在神经网络中进行数据的传递和处理，训练过程中使用反向传播算法更新模型参数。该多任务学习模型通过将SNN与MMOE融合，并且构建了通用于任务间关系不同的多个场景中测试模型学习能力的数据集，能够有效减少参数量，降低了训练时间，可大幅提高模型的学习能力。