本发明公开了一种基于正交勒让德小波的可学习激活函数方法，涉及人工智能技术领域。本发明步骤如下：S1:针对特定任务数据，划分数据集为训练集、测试集；设定最大计算量MaxCal；S2：选定网络模型，初始化网络参数、激活函数结构参数K、M，数值参数C；S3：根据参数K、M、C生成勒让德(Legendre)小波，替换网络中激活函数；S4：确定结构参数K；S5：使用训练集训练模型，确定结构参数M；S6：再次使用训练集训练模型，确定数值参数C，得到最优激活函数和网络权重W。本发明通过方法的改进，能够实现自动确定激活函数的结构和参数，以此来一进步避免梯度消失、神经元死亡现象，并保留函数的非线性和可微性，提高网络准确率和收敛效果。