神经网络层次构建：实现自主学习和分类的步骤

要利用建立神经网络层次，实现自主学习和分类，需要进行以下步骤：

1. 收集数据集：首先需要收集一定量的数据集，包括输入数据和相应的标签。数据集的规模和质量对神经网络的性能有很大影响。

2. 数据预处理：对数据进行预处理，包括数据清洗、归一化等操作，以提高神经网络的训练效果。

3. 设计神经网络模型：根据具体的问题和数据集，选择合适的神经网络模型，并设计神经网络的结构和参数。

4. 训练神经网络：将数据集输入到神经网络中进行训练，通过反向传播算法不断调整神经网络的权重和偏置，以提高神经网络的性能。

5. 验证和调优：使用验证集对训练好的神经网络进行验证和调优，以提高神经网络的泛化能力和准确率。

6. 应用神经网络：将训练好的神经网络应用到实际问题中，进行自主学习和分类。

在以上步骤中，数据集的质量和数量、神经网络的结构和参数、训练算法的选择等都会对神经网络的性能产生影响，需要仔细考虑和调整。