基于反向传播算法的神经网络训练方法

本发明公开了基于反向传播算法的神经网络训练方法，涉及网络训练技术领域，包括：通过前向传播过程获取各神经网络层的神经元输出数据，构建反映每层神经元激活特征的输出分布数据；基于反向传播过程获得误差数据，建立各神经网络层的误差项分布，构建用于衡量网络信息状态变化的熵变估算因子；根据熵变估算因子的取值趋势对误差数据进行扰动控制，处理后的误差数据与输出分布数据动态调整神经网络的参数更新幅度与方向；通过所述参数更新行为引导神经网络权重迭代。本发明结合误差扰动控制与动态参数调整，形成了信息感知‑扰动控制‑动态优化的一整套机制，实现对神经网络训练过程中信息状态演变的动态感知与精准引导。