我想设计一个使用人工神经网络的扬声器识别软件（给定音频声音，我希望能够识别说话者是谁）。 我想将扬声器的名称存储在数据库中，每个发言者都有一个唯一的ID：
id first_name last_name
网络设计如下： - 输入是音频特性（频率，音高等......） - 隐藏的图层 - 单个输出：扬声器的数据库ID
我的问题是网络架构背后的逻辑是否有效。让网络输出成为数据库ID（我在发现的最大ID上进行规范化吗？
）是否正确？我想过有多个输出，每个输出对应一个扬声器。但随着扬声器数量的增加，输出的数量会随之增加，所以如果我有10 000个扬声器，我必须有10,000个输出，我认为这是不合理的。
这是使用ANN解决此类问题的正确方法吗？
答案 0 :(得分：1)
我的问题是网络架构背后的逻辑是否有效。让网络输出成为数据库ID（我在发现的最大ID上进行规范化吗？
）是否正确？
这是错误的方式。如果你将输出视为数字，你会对一个人施加某种亲密关系，那么一些人（那些与id s更接近的人）的言论比那些距离更远id的人更相似，所以有些人错误比其他错误更受惩罚。
我想过每个输出对应的多个输出 对某位发言者但随着扬声器数量的增加， 输出数量会随之增加，所以如果我有10 000 发言者，我必须有10,000个输出，我认为 不合理的。
不幸的是，这是正确的方法。通常，使用softmax输出单元，然后执行多类分类。通过这种方式，您不会强加任何偏好，并且所有错误都会受到惩罚，而与标识符的接近程度无关。
实际上，你试图解决的问题非常困难（从我的角度来看）。我甚至怀疑一个人可以区分10,000个扬声器！您需要为每个扬声器提供大量语音数据，一些智能预处理，以及更智能的机器（最有可能是深度）学习算法，以使其工作。不要以为你只能投入一个人工神经网络，并且只是工作。有很多类型的人工神经网络，在一般情况下我们仍然不知道如何可靠地训练它们。