如何提高神经网络的准确性？

Question

我正在尝试构建一个简单的神经网络来识别来自2个人的声音中的14个单词。

我创建了一个火车数据集，其中包含长度为0.5 s（8000 Hz）的2471个文件和一个包含612个文件的测试数据集。

我使用＆＃34;短时傅立叶变换＆＃34;像这样：

_, _, d = signal.stft(d, 8000, nperseg=400) 
d = numpy.abs(d)

示例文件的频谱图：

这是我的网络：

net = tflearn.input_data(shape=[None, 201, 21])

net = tflearn.max_pool_1d(net, 8)
net = tflearn.conv_1d(net, 128, 6, activation='relu')
net = tflearn.avg_pool_1d(net, 4)

net = tflearn.fully_connected(net, 128, activation='relu')
net = tflearn.dropout(net, 0.6)
net = tflearn.fully_connected(net, 14, activation='softmax')

net = tflearn.regression(net, optimizer='adam', loss='categorical_crossentropy', learning_rate=0.02)

# Train model

model = tflearn.DNN(net)
model.fit(X, Y, n_epoch=12, validation_set=(X_test, Y_test), show_metric=True)

我尝试更改了许多参数，但网络的准确率仍然在90％左右

| Adam | epoch: 011 | loss: 0.34011 - acc: 0.9428 | val_loss: 0.23105 - val_acc: 0.9003
| Adam | epoch: 012 | loss: 0.37237 - acc: 0.9253 | val_loss: 0.22360 - val_acc: 0.9118

在100个时代之后：

| Adam | epoch: 088 | loss: 0.21640 - acc: 0.9753 | val_loss: 0.24923 - val_acc: 0.9297
| Adam | epoch: 099 | loss: 0.48295 - acc: 0.9469 | val_loss: 0.28505 - val_acc: 0.9346
| Adam | epoch: 100 | loss: 0.56168 - acc: 0.9489 | val_loss: 0.24747 - val_acc: 0.9395

500个时代之后：

| Adam | epoch: 485 | loss: 0.20620 - acc: 0.9795 | val_loss: 0.41541 - val_acc: 0.9265
| Adam | epoch: 493 | loss: 0.48699 - acc: 0.9559 | val_loss: 0.23821 - val_acc: 0.9248 -- iter: 4942/4942
| Adam | epoch: 499 | loss: 0.69429 - acc: 0.9501 | val_loss: 0.39483 - val_acc: 0.8987
| Adam | epoch: 500 | loss: 0.87411 - acc: 0.9394 | val_loss: 0.36144 - val_acc: 0.9248

有谁能告诉我我可以改变什么来获得更好的结果？我做错了什么？

增加神经元或时期的数量不会改善结果

Answer 1

最佳语音体系结构与您尝试的体系结构略有不同。您可能需要试验的内容：数据均值归一化（CMN），递归网络或类似变压器的网络，请注意。有关适当的语音识别体系结构的更多详细信息，您可以最好输入Kaggle Speech Recognition Challenge