基于彩票假设的多任务学习资源优化方法

本发明提供了一种基于彩票假设的多任务学习资源优化方法，属于多任务学习与神经网络优化技术领域。该方法采用彩票假设的稀疏专家混合方法，有效剪枝神经网络模型参数，从而大幅减少了神经网络模型的计算成本和存储开销；稀疏化的专家网络结构保留了对任务关键信息的高度敏感性；引入基于softmax的路由器和掩码矩阵，使得每个任务可以根据其输入数据的特征选择和激活适合的专家网络部分；通过交叉训练和迭代幅度剪枝优化全能专家矩阵，进一步提升了模型在处理复杂任务和不同数据分布下的泛化能力；任务特定塔层独立处理和优化各任务的特征，减少了任务间的相互干扰，提高了特征提取的精度和任务处理的效率。