改进用于分类的LSTM Keras模型（早期预测）

Question

我是在keras中使用LSTM的新手。

我想知道您的宝贵信息，以改进我的模型。

背景

我想使用LSTM进行分类，因为我的训练数据是连续的。

我的数据包含车辆CAN信号，动态数据。

X.shape = (195,100,4) 
# 195 segments, each segment is of shape 100*4 
# every row in 100*4 corresponds to each Time step 
# each time step in 100*4 represented as t1, t2, t3,.....t100

Y.shape(195,)
# each segment out of 195 segments belongs to either 0 or 1 (2 classes)

要求

  

我想预测该细分受众群属于哪个类别，甚至   在时间步t100之前，    即，@ t60或t70或t80，模型应预测   以上2类。（0或1）

型号

# My Intersection model 

input_ = Input(shape=(100,4))

x = LSTM(10, return_sequences= True, activation='tanh')(input_)

# since i Need to predict the class, before the time stamp t100,
# i returned the result for every Time stamp 
# and peform Global Max pooling operation.


x = GlobalMaxPool1D()(x) 

output = Dense(1, activation="sigmoid")(x)

model = Model(inputs=input_, outputs=output)

model.compile(
  loss='binary_crossentropy',
  optimizer=Adam(lr=1e-3),
  metrics=['accuracy']
)

# Training
r = model.fit(
  X,
  Y,
  batch_size=5,
  epochs=100,
  validation_split=0.1
)

模型结果：

At the end of 100 epoch
Epoch 100/100
175/175 [==============================] - 7s 38ms/step - loss: 0.4416 - acc: 0.7600 - val_loss: 0.5095 - val_acc: 0.8000

问题

1. 从模型结果图中，损失和准确性不稳定 （之字形波形）， 我的模型学习正确吗？ 如果不是，我可以通过哪些方式改进我的模型？ 我应该调整哪些参数？
2. 要实现要求部分中提到的目标需要进行哪些更改？

请支持。