一种多任务神经网络计算五轴精加工刀轨逼近误差的方法

本发明公开了一种多任务神经网络计算五轴精加工刀轨逼近误差的方法。首先获取神经网络模型计算所需的核心参数，并运用均值方差归一化将这些参数映射到同一尺度；然后根据PCA(Principal components analysis，主成分分析)降维对数据特征进行筛选；加入正则化处理对网络结构进行优化，实现在每次迭代过程中隐藏一部分神经元，从而减少非核心刀触点对逼近误差值计算产生干扰，避免模型过拟合；引入注意力机制，动态分配特征权重，突出关键特征赋予更高权重比，加强模型学习能力并提高其训练精度；最后利用交叉连接法，动态调整各任务间的特征共享比例，确保在共享信息的同时保留每个任务的独特特征，减少任务间的干扰，间精细化特征共享，增强模型的泛化能力，从而提高逼近误差的计算精度。