一种基于任务关联度的多任务学习辅助任务选择方法

本发明适用于机器学习和人工智能技术领域，提供了一种基于任务关联度的多任务学习辅助任务选择方法。本发明通过引入TCC，量化辅助任务与主任务之间的关联性，自动筛选最适合主任务的辅助任务，提升了选择的效率和精度，有效减少了负迁移现象的发生，使得多任务学习更加高效和可靠；引入的TCC能够有效评估各任务之间的相关性，自动选择出与主任务最相关的辅助任务，避免直接搜索任务组合所带来的高昂计算成本，特别是在任务数量较多时显著降低了计算复杂度，还确保了多任务学习的效果和效率；该方法不受模型类型的限制，展现出广泛的适用性，且无需增加额外的参数，通过简单设置即可获得显著效果，具备较强的适用性和易用性。