多任务

摘要： 背景:跌倒是儿童最常见的意外事件之一,其导致的伤害已成为全球性的公共卫生问题。多任务行走会增大跌倒风险,对异常儿童影响更大,而日常生活对多任务行走的需求增多。研究幼儿的多任务步态,以期为制定针对性训练与鉴别发育异常或疾病患儿提供理论基础。目的:探究多任务行走对4-6岁幼儿的步态参数及下肢动力学的影响。方法:随机选取北京市某幼儿园34名4-6岁幼儿,进行单任务行走(正常行走)、双任务行走(计算+行走)和三任务行走(携带托盘+计算+行走);使用BTS红外动作捕捉系统采集步态参数,Vixta数字录像机同步录像,通过Anybody仿真建模计算下肢动力学参数,利用重复测量方差分析比较任务差异、性别差异与交互效应。结果与结论:①双任务行走和三任务行走的标准化步速、步频、跨步长和步宽低于单任务行走;②跨步长的多任务成本随任务的增多而增大;③髋膝踝三大关节的关节反应力-步态周期图像呈现出相同的特点;④髋关节屈曲力矩平均值出现任务差异和性别差异,距下关节外翻力矩最大值出现任务×性别的交互效应;⑤缝匠肌肌力最大值出现性别差异,股薄肌、长收肌、大收肌中束、短收肌和闭孔外肌肌力最大值出现任务差异,闭孔内肌肌力最大值出现性别×任务的交互效应;⑥提示4-6岁幼儿在行走时的步态会受到多任务的影响,表现为步态受损、任务成本增加;对下肢关节的影响体现在髋关节与距下关节;对下肢肌肉力的影响集中在大腿内收和外展肌群;因此应指导幼儿进行锻炼这两大肌群的趣味游戏,以实现更优化的多任务行走模式,降低跌倒发生率,预防跌倒伤害。

摘要： 联邦学习(Federated Learning,FL)是一种新兴的分布式机器学习范式,它允许移动设备以分散的方式协作训练全局模型,同时保持训练数据在终端上面。然而,由于数千个异构分布式终端设备参与FL任务,所以FL面临的挑战是通信效率问题。为了解决上述问题,基于边缘计算的FL被提出来了,即边缘联邦学习。边缘计算利用终端设备附近的边缘节点执行模型参数的下发和聚合,进而降低通信时间。尽管有上述巨大的好处,多任务的边缘联邦学习的激励机制尚未得到很好的解决。因此,提出了一种融合契约论和匹配博弈的激励机制;然后,基于三个数据集的实验结果验证了该激励机制和匹配算法的有效性。

摘要： 对于CT影像中检测出的肺部结节,需要自动判断其是否有癌变风险.不同于大多数现有的研究方法只区分结节良恶性,本文提出了一个基于注意力机制的多任务学习模型,将与结节良恶性相关的语义特征属性一并判断输出,通过判断9个结节特征(对比度、分叶征、毛刺征、球形度、边缘、纹理、钙化程度、大小以及恶性程度)的同时实现内在特征的共享,以达到提高各子任务性能的目的.选择视觉转换器(ViT)模型作为多任务共享特征提取层,整体模型采用动态加权平均方法来对各子任务的Loss函数进行优化.在LUNA16数据集上的实验表明,该学习框架可以提升肺结节癌变风险判断的性能,且同时对其他语义特征的判断也能提升结果的可解释性.

摘要： 情感原因对抽取是情感分析任务中的子任务,旨在抽取出给定文档中的所有情感子句以及引起该情感所对应的原因子句。先前的研究在生成情感子句与原因子句表示时忽略了情感子句与原因子句之间的相互联系。为了解决上述问题,基于图依存分析的思想并融入了图注意力机制,提出了GAT-ECPE模型。该模型在获取到情感子句表示与原因子句表示时,将句向量作为节点输入图注意力层从而学习到子句之间关系的信息,而后进行双仿射映射得到情感原因对的编码表示。并且设置了多任务来将情感抽取与原因抽取任务建立联系。在ECPE数据集上的实验结果证明,该模型相较于先前的一系列模型,在评估指标上有所提升。

摘要： 针对生产线上单台舵机测试设备只能对应单个任务和单个型号的问题,设计了单台测试设备对应双振动台和多型号的测试系统,大大提高了测试设备利用率、测试的灵活性和生产线的工作效率。系统采用PXI总线架构,使用多任务、多硬件资源的采集方式,以实现双产品、多型号舵机测试系统的研制,降低了操作的复杂度和测试设备研制成本,提高了生产线测试环节的工作效率。

摘要： 为探讨脑电微状态用于测量飞行活动脑力负荷的可行性,比较4类脑电微状态参数在不同脑力负荷下的变化。12名男性受试者依次完成高、低负荷的模拟飞行多任务,采用模拟飞行目标追踪、仪表监视、突发事件处理的多任务作为任务模型。每项任务完成后填写NASA-TLX量表,任务过程中采集受试者脑电信号。采用聚类方法分析脑电微状态,提取反映认知活动的A、B、C、D 4类脑电微状态时间参数,比较其在不同脑力负荷任务下的变化。结果表明:与低负荷任务相比,高负荷任务下的NASA-TLX评分升高且任务绩效降低(P<0.05);高负荷任务下的微状态A和微状态C的持续时间、微状态C的覆盖率以及微状态A和微状态C之间的转移概率降低(P<0.05),而微状态D的频率和覆盖率以及微状态A和微状态C之间的转移概率升高(P<0.05)。高脑力负荷可导致微状态A和微状态C的参数降低而微状态B和微状态D的参数升高,微状态参数对脑力负荷的变化具有一定的敏感性。

摘要： 随着综合国力的提高和国际宇航产业的迅猛发展,中国的航天事业进入蓬勃发展的新时代,具体表现为型号任务逐年增多,科研和生产规模越来越大,商业航天发展促进了宇航市场的规模增大和市场竞争力增强。宇航产品研制能力与市场需求都面临着新的挑战,型号研制正由试验型向应用型、由科研向装备、由单星研制向多星采购转变,多型号、多任务并举和小批量生产、高密度发射的特点越来越明显。为了实施宇航产品成本控制、提升生产效率,开展产品通用化研制模式的探索,建立产品型谱,实现多型号共用的“货架”产品对推动宇航产品上规模、降成本、提效率具有重要的现实意义。

摘要： 针对传统人脸属性估计算法算力大、推理速度慢、精度低,难以完成算法在移动或嵌入式设备上集成应用等问题,提出一种基于嵌入式系统的多任务人脸属性估计算法。首先,采用MobileFaceNet网络中的瓶颈结构融合跨阶段融合网络(cross stage partial network,CSPNet)和空间金字塔网络(spatial pyramid pooling network,SPPNet)设计CSPSPP_bk结构作为人脸属性估计算法共享网络特征提取模块;然后,在局部属性中增加通道注意力机制,在较困难的全局属性中使用更深、性能更优的网络模型作为Teacher模型指导所设计的轻量级多任务属性网络进行知识蒸馏,采用逐层剪枝的方法对网络模型进行优化,优化后的模型量仅1.8 MB;最后,通过动态类别抑制损失函数进行损失度量,均衡样本数据分布。在公共数据集CelebA和Adience数据集上进行测试比较,性别和眼镜的平均准确率分别为98.89%、99.72%,标准差为3.01%时,年龄估计精度为60.21%,在RK3288开发板上的前传推理速度为138 fps。结果表明:所提方法可广泛应用于嵌入式设备和移动边缘设备。

摘要： 针对体系作战下地空光电对抗装备贡献率评估的问题,提出一种基于仿真推演的多任务体系贡献率评估方法。首先,在对地空光电对抗装备体系组成以及作战方式分析的基础上,梳理了地空光电对抗作战模型体系,设计了仿真推演系统架构,开发了一种能够开展红蓝对抗的地空光电对抗仿真推演系统。然后,引入区间数的概念,提出了一种适用于地空光电对抗装备体系的多任务体系贡献率评估方法。最后,以地空光电对抗系统对抗光电制导武器的防空作战行动为例,通过仿真推演对地空光电对抗系统各装备在不同任务中的体系贡献率进行评估,验证了该方法的可行性和合理性。

摘要： 第一,及时整理。许多人都有这样的体验:用完东西随手一扔,没有及时归置起来,等真正要用到时,总是会花很多时间去找。如果我们学会将物品分类管理,每次用完都能把东西放回它该有的位置,不仅可以节约时间,你的生活也会变得更加有条不紊。第二,设置提醒。如今,很多人的生活都是多任务进行的,稍不注意就容易忘记许多事。好记性不如烂笔头,无论是用笔还是手机,最好将待办的事项记下,并设置提醒期限。例如,亲人的生日、重要的会议、回复重要邮件等。每一件小事,看似微不足道,但当你真正把它们放在心上时,便会避免和减少很多不必要的尴尬和麻烦。

摘要： 该文介绍了国外进行行星际探测的基本情况,研究了国外进行深空探测的特点,分析了我国开展火星水探测和小天体探测研究的必要性,提出了适合同时探测火星和彗星/小行星的多目标多任务深空探测器的初步设想,并对其关键技术进行了初步分析.根据我国的国力和实际需要,结合我国未来20年内的主要深空探测发展方向,实施多目标多任务的深空探测任务可以节省发射费用,实施结合新技术验证的多目标深空探测活动,可以获得较高的效益.

摘要： 本文介绍了应用Vc++在windows操作系统下进行程序开发时,在复杂的数值计算过程中实现多任务操作,解决了在程序计算过程中响应用户的鼠标键盘操作的问题,并且引入了进程和线程的概念,通过实例介绍了工作者线程和用户界面线程在多任务中的使用方法.

摘要： ASP系统通过集中管理的设施为客户提供应用服务,系统的响应速度和任务处理能力集中体现在系统如何分配可用的系统资源.文章通过对ASP系统中可能出现的多任务并行请求进行研究,针对单任务时序排列问题和多任务并行系统资源分配问题进行了深入分析,在系统资源约束的条件下,得出了系统资源优化解决方案及算法,高效而快捷地完成客户的服务请求.

摘要： 将加密技术及数字信号处理技术(DSP)应用于图像加密传输系统，以实现图像信息传输的安全性、保密性.阐述了以DSP TMS320 DM642作为核心处理器，以SEED-VPM642实验箱作为硬件平台的图像加密传输系统的总体方案；分析了系统的多任务机制；研究了数据加密标准(DES)算法的原理，并在CCS软件开发环境下实现了DES算法的程序设计及编程.考虑到视频传输的实时性要求，在实际的图像加密传输系统中，只对图像编码后的结果进行部分加密.测试结果表明，DES加密算法及DSP技术可用于图像的实时安全传输.

摘要： 本文主要介绍了HP5528A双频激光干涉仪通讯程序系统设计思路,使用多语言编程,实现在DOS操作系统中有限个多任务机制、DOS操作系统与Windows操作系统的通讯、不同开发语言的通讯,及在工业自动化系统中通讯程序设计的一种思路。

摘要： Symbian操作系统是目前智能手机的主流操作系统.文章首先介绍了Symbian操作系统中的多线程原理,然后重点分析了Symbian操作系统中的活动对象机制.实践表明,活动对象机制使得Symbian操作系统更加灵活、可靠和高效,十分适合作为手机等智能移动设备的操作系统.

摘要： 提出了一种以嵌入式微处理器为核心，以中断结合DMA为数据传输方式，采用二次采样技术，针对多路传感器的高速数据采集系统设计方案。针对开发系统在高速数据采集同时需对数据进行实时存储分析和显示的要求，本方案较好的解决了高速数据采集与其他复杂任务调度间的冲突。

摘要： 提出了一种以嵌入式微处理器为核心，以中断结合DMA为数据传输方式，采用二次采样技术，针对多路传感器的高速数据采集系统设计方案。针对开发系统在高速数据采集同时需对数据进行实时存储分析和显示的要求，本方案较好的解决了高速数据采集与其他复杂任务调度间的冲突。

摘要： 提出了一种以嵌入式微处理器为核心，以中断结合DMA为数据传输方式，采用二次采样技术，针对多路传感器的高速数据采集系统设计方案。针对开发系统在高速数据采集同时需对数据进行实时存储分析和显示的要求，本方案较好的解决了高速数据采集与其他复杂任务调度间的冲突。

摘要： 提出了一种以嵌入式微处理器为核心，以中断结合DMA为数据传输方式，采用二次采样技术，针对多路传感器的高速数据采集系统设计方案。针对开发系统在高速数据采集同时需对数据进行实时存储分析和显示的要求，本方案较好的解决了高速数据采集与其他复杂任务调度间的冲突。

摘要： 本公开提供了多任务模型推理、多任务信息处理的方法和装置，涉及人工智能领域，具体涉及自然语言处理、深度学习、预训练模型技术，可应用在智慧城市、智慧政务场景下。具体实现方案为：获取至少两个任务的样本集。将固定长度字符输入前缀模型，得该任务的适配向量；将该任务的适配向量和所选取的样本中的文本信息输入预训练模型，得到输出向量；将输出向量输入该任务对应的输出层，得到预测结果；根据预测结果和所选取的样本中的标注信息的比较结果确定损失值；基于损失值调整前缀模型和输出层的相关参数。基于预训练模型、每个任务的输出层、每个任务的适配向量获得多任务模型。该实施方式降低了预训练模型在多个任务上部署推理服务的成本。

摘要： 本发明涉及一种无需多任务联合标注的多任务深度学习训练方法，涉及计算机视觉领域。首先，利用与目标任务对应的单任务标注数据集训练目标任务分支网络，利用与若干辅助任务分别对应的各单任务标注数据集训练各辅助分支网络；之后通过计算各辅助任务特征与目标任务特征的Gram矩阵，形成对各辅助任务特征的通道注意力，进而调整相应的辅助任务特征的各分量权值，再将调整后的多组辅助任务特征与目标任务特征进行级联融合，构建实现目标任务的整合网络；最后利用与目标任务对应的单任务标注数据集训练整合网络实现目标任务。本发明采用基于Gram通道注意力机制的特征融合，实现了针对目标任务而无需多任务联合标注训练集的多任务训练。

摘要： 本公开提供了一种多任务模型训练方法和装置，涉及计算机视觉、深度学习等技术领域。具体实现方案为：获取包括至少一类初始图像的训练样本集；获取预先建立的多任务网络，多任务网络中的通用特征提取器通过分支节点分别与各个初始分支网络连接；从训练样本集中选取初始图像，将选取的初始图像输入通用特征提取器，得到与选取的初始图像对应的特征图；针对得到的特征图中的各个特征图，将该特征图输入该特征图的识别要素对应的初始分支网络；采集分支节点中各个初始分支网络的梯度值，并基于各个初始分支网络的梯度值调整相应初始分支网络的损失权重值，响应于多任务网络满足训练完成条件，得到多任务模型。该实施方式平衡了多个任务的训练效果。

摘要： 本申请提供了一种多任务模型训练方法、多任务预测方法及相关产品。涉及人工智能领域，具体涉及计算机视觉领域。包括：通过每个门网络对训练数据进行处理，以获取与每个门网络对应的多个目标专家网络以及权重；通过多个目标专家网络分别对训练数据进行特征提取，以得到与每个门网络对应的多个第一特征；根据多个目标专家网络的权重，对多个第一特征进行加权，以得到与每个门网络对应的Tower网络的输入数据；通过每个门网络对应的Tower网络对输入数据进行任务预测，以得到每个门网络对应的Tower网络的任务预测结果；根据每个门网络对应的多个目标专家网络的权重以及多个Tower网络的任务预测结果，对多任务模型进行训练。

摘要： 本发明提供了一种多任务感知识别模型的构建方法的方法，该多任务感知识别模型的构建方法包括：获取多张样本图像，每一张样本图像中包括物体对象的标签标注和道路对象的分割标注，标签标注包括表示物体对象的标注框、表示物体对象类别的第一类别标签以及表示物体对象姿态的第二类别标签，分割标注包括表示道路对象的目标区域；将多张样本图像输入初始多任务感知识别模型中进行迭代训练得到目标多任务感知识别模型，其中，初始多任务感知识别模型包括特征提取模块、多目标多属性识别模块和分割预测模块。本发明还提供了一种多任务感知识别方法、多任务感知识别模型、计算机可读存储介质以及自动驾驶设备。

摘要： 本申请公开了一种多任务学习网络以及基于多任务学习网络的方法。该多任务学习网络包括：任务网络以及合并网络。其中任务网络包括多个子任务网络，多个子任务网络针对相同的输入生成相应的特征向量，合并网络对相应的特征向量进行拼接、对拼接后的特征向量进行优化并得到最终输出，其中多个子任务网络中的每个子任务网络包括编码层和任务层，编码层将所述输入转换成包括维度信息的编码向量并将编码向量发送到所述任务层，任务层对编码向量进行处理以生成特征向量。

摘要： 本公开涉及自动驾驶领域中，一种多任务模型训练方法、多任务处理方法、装置及车辆，多任务模型训练方法包括：获取多任务模型针对多个任务分别输出的损失值；根据所有所述任务的损失值，确定每一所述任务的目标损失值，所有所述任务的目标损失值属于同一量级；根据每一所述任务的目标损失值，调整所述多任务模型的参数，以得到训练好的多任务模型，减小不同任务间的损失值的差异，解决了损失值大的任务在多任务模型训练中占据主导地位引起的训练不平衡的问题。

摘要： 本公开涉及计算机视觉技术领域，具体提供了一种多任务神经网络的训练方法、多任务处理方法及装置。一种多任务神经网络的训练方法，包括：将预先获取的图像数据集输入待训练的多任务神经网络，并根据输出的图像检测结果确定每个子任务的图像检测结果的损失值；基于每个子任务的损失值，对所述多任务神经网络中所有子任务网络共享的第一子网络的网络参数进行调整；针对所述多任务神经网络包括的任意一个关联任务组，基于所述关联任务组包括的各个子任务的损失值，对所述关联任务组中各个子任务网络共享的第二子网络的网络参数进行调整，直至满足收敛条件。本公开实施方式提高多任务图像检测效果和效率。

摘要： 本说明书实施例公开了一种多任务模型训练方法、多任务预测方法、相关装置及介质，其训练方法可包括：先确定样本特征在第m个子模型的注意力模块中的参数权重，根据该第m个子模型的注意力模块中的参数权重确定第m+1个子模型的注意力模块中的参数，并可基于该第m个子模型的注意力模块中的参数权重以及第m+1个子模型的注意力模块中的参数对多任务模型进行训练。该多任务模型可将多任务中的每个任务对应一个子模型，且在相邻任务之间通过注意力模块将上一个任务的关联信息迁移到下一个任务，以使下一个任务可结合该上一个任务的关联信息得到更为准确、关联性更强的预测结果。

摘要： 本公开涉及一种多任务预测模型的训练方法、多任务预测方法及装置，应用于人工智能技术领域，该多任务预测模型的训练方法包括：构建初始多任务预测模型；通过特征补偿模型对训练数据进行特征提取，得到特征补偿数据；通过多个专家网络分别对训练数据进行特征提取，得到多个特征提取数据；基于每个门控网络，分别对特征提取数据进行融合，得到每个门控网络对应的特征融合数据；通过每个tower网络，对相应的tower网络输入数据进行任务预测，以得到每个tower网络的任务预测结果；基于每个tower网络的任务预测结果，对初始多任务预测模型进行训练，得到目标多任务预测模型。能够解决在训练数据较少时，传统多任务模型任务预测准确度低的问题。