一种基于演化计算的多任务神经网络架构搜索方法

摘要

本发明公开了一种基于演化计算的多任务神经网络架构搜索方法，首先初始化种群，对种群中的个体的多任务泛化能力进行评估，然后通过二进制锦标赛选择算法随机获得两个染色体，并比较两个染色体多任务泛化表现，选择表现更好的一个作为父本，再选择两个父本进行交叉、变异操作，产生两个子代，对子代的多任务泛化表现进行评估，之后合并子代和父代，根据评估结果进行环境选择，生成新的种群，进行新一轮的演化，直到达到预定的终止条件，输出多任务泛化能力最好的个体。本发明使用遗传算法来优化多任务网络模型体系结构，在无需人工参与的情况下，能够自动搜索到适合于多任务学习的神经网络模型，提高多任务网络的跨任务信息融合能力。