一种基于特征细化的自编码神经网络训练方法及定制大模型

本发明公开一种基于特征细化的自编码神经网络训练方法及定制大模型，所述方法包括：编码器采用多层非线性映射结构，将输入训练数据中的高维数据映射到初始的低维特征空间；在低维特征生成后，特征调整模块根据当前特征空间中的特征重要性，自动生成特征权重；特征调整模块对初步生成的低维特征进行递归优化，在每一轮迭代中，该特征调整模块会根据前一轮特征的表现，调整各个特征的权重；解码器将低维特征重新映射回高维空间，然后计算损失函数，判断是否满足预设的停止迭代条件。本发明强化了模型对关键特征的捕捉能力，确保了模型在降低维度的过程中不会丢失有价值的数据信息，提高了特征提取的精度和模型的简洁性。