Question

设计CNN以检测脑电图的运动。

输入大小（EEG数据）：18x64 - 18个电极和每个时期64个样本。

      convlayer1; (10 filters of size 1x4)
      reluLayer();
      maxPooling2dLayer([1,2],'Stride',[1 2])
      dropoutLayer(0.1);
      convlayer2; (20 filters of size 4x1)
      reluLayer();
      maxPooling2dLayer([2,1],'Stride',[2 1])
      dropoutLayer(0.1);
      fullyConnectedLayer(2);
      dropoutLayer(0.2);
      softmaxLayer();
      classificationLayer()];

来自8个科目的数据。使用7个科目训练网络，并使用左侧对象进行测试。对所有8个科目都做了同样的事情（基本上是 - LOOM）。训练准确率为96-98％，验证准确性也是如此。对于一些受试者，测试准确度为100％，而对于少数其他受试者，测试准确度为98-99％。这是过度拟合的情况还是这个结果可靠？

感谢您的时间和帮助。 Venkat

Answer 1

如果测试性能优于不适合过度拟合的问题。过度拟合避免了泛化，但如果您的模型在测试数据上表现良好，这意味着它正在处理一些看不见的数据并且很好地推广。

CNN测试性能几乎达到100％

1 个答案: