一种基于动态策略切换的多任务自适应学习方法

本发明公开了一种基于动态策略切换的多任务自适应学习方法，包括如下步骤：S1、构建多任务学习模型，初始化任务编码器、特征提取网络与解码模块；S2、将输入样本编码为任务编码向量；S3、提取任务特征表示；S4、输入改进型Cross‑stitch结构进行特征交叉融合；S5、输入策略调度控制器，基于损失变化、梯度差异和特征距离生成融合权重与路径配置；S6、执行非线性交叉融合生成共享特征表示；S7、生成任务预测结果；S8、计算损失并更新参数；S9、循环训练直至收敛。本发明实现了融合策略的自适应调控与特征共享结构的动态优化，适用于多任务神经网络建模场景。