在Matlab中实现用于元音识别的神经网络-输入层单元和结构？

Question

我正在做一个有关元音识别的项目，我需要实现一个神经网络。 我是该领域的新手，所以我不确定如何正确地做。 我有800个单词的训练集，其中包含8种元音，而第一步是检查是否能够通过逻辑回归将它们分类为多个类：

-使用Matlab，我对每个样本执行了wavread并将结果向量存储在800 x 48117矩阵中，其中48117是最大的wav向量的大小。 即在这一步，我有800个示例和48117个“功能”，它们是每个声音文件的频率值。 当我运行逻辑回归时，它将对集合进行迭代，并将其分为8类，准确度约为99.8％。 然后，我还为接收的类生成了频谱图，以使每个类都可视化，并将它们与原始样本的频谱图进行比较。

-为了区分元音的共振频率，我们有3个共振峰-F1，F2，F3，一个在频谱图上可以看到。 （例如F1为500 Hz，我们可以看到频谱图在该图的该区域中具有最暗的颜色）。

-我正处于创建神经网络的步骤，而我对如何开始非常茫然。 我不确定要有多少输入层单位和隐藏层单位。 首先，我认为拥有48117个特征并具有一定数量的输入单位是不正确的，因此我必须以某种方式最小化特征的数量。 我认为正确的方法是将它们分成3个对应于3个共振峰的组。 这是主要问题- 基于我可以将长向量归纳为3个输入单位的依据？

-另一个似乎微不足道的问题是我应该拥有多少个隐藏单元。 我知道有多少没有特殊的规则，但是根据我的训练，有经验的神经网络人员会推荐多少？

Answer 1

我不确定我是否正确理解您的输入。 从我的收集中，wavread将.wav文件读取为“振幅矢量”。

首先，该网络具有4837个输入，k大小的隐藏层和8个类，使该网络具有4837 * k + 8 * k的权重，这可能非常庞大。 800个培训投入太多了。 通常都同意（但是，比科学更多的是艺术），隐藏层不应比输入层小很多。

我也不确定，如果逻辑回归表现良好，为什么还需要神经网络。

有这些疑问，我不确定我是否会回答您的问题，但是我会尽力的。 您需要减小输入大小。 它可以通过多种方式完成，一种是小波/傅立叶分析（将一个空间转换为低维）。 完成傅立叶分析后，您可以“存储”不同的频率。 更简单的方法是进行降维（matlab中的一项功能，如PCA）。 其原因是附近的值之间具有很高的相关性。 在图像分析中称为“增白”。

隐藏层的大小很难估计。 最好的方法是针对不同大小的隐藏层大小进行实验，然后选择最佳的隐藏层（过夜运行循环并查看结果）。

Answer 2

隐藏单元的数量取决于您想要哪种性能，如果性能欠佳且效果不佳，您可以拥有更多隐藏单元，但是性能良好且结果不准确。

因此，我的建议是尝试使用不同数量的隐藏单元，然后选择适合您的应用程序的单元。