基于神经网络的元数据分类模型构建方法及系统

本发明涉及元数据分类技术领域，提出了基于神经网络的元数据分类模型构建方法及系统，包括基于神经网络的元数据分类模型构建方法，其特征在于，包括以下步骤：S1、定义神经网络层级、神经元数量及连接规则，构建模型基础拓扑结构，为后续参数优化提供初始框架；S2、采集元数据样本，完成格式统一、异常值过滤及标准化，划分训练集、验证集、测试集，其输出作为反向错误增强的输入数据；S3、基于预处理后的元数据引入可控噪声，动态调整错误样本权重。通过神经噪声适应机制构建多维度抗噪体系，融合泊松噪声、塔罗矩阵非传统信号与复合三角函数调控，实现噪声强度动态平衡，显著提升模型在高噪声、模糊分类场景的分类准确率与鲁棒性。