CNN提供的准确性低于逻辑回归

Question

我正在尝试比较从Logistic回归获得的文本分类器和卷积神经网络的准确性，但是CNN的准确性要低于Logistic回归。

我将下面的代码用于Logistic回归分类器和CNN进行文本分类，使用Logistic回归，我的准确度为65％，但使用CNN的我则为54％

CNN

 model = Sequential()
 model.add(Dense(512, activation='relu', input_shape=(num_max,)))
 model.add(Dropout(0.2))
 model.add(Dense(256, activation='relu'))
 model.add(Dropout(0.2))
 model.add(Dense(1, activation='sigmoid'))
 model.summary()
 model.compile(loss='binary_crossentropy',optimizer='adam',metrics=['acc',metrics.binary_accuracy])
 print('compile done')

LR

from keras.preprocessing.text import Tokenizer
tok = Tokenizer(num_words=3000)
tok.fit_on_texts(texts)
mat_texts = tok.texts_to_matrix(texts,mode='count')

与Logistic回归相比，我如何改善CNN的性能。