在Matlab中實現用於元音識別的神經網絡-輸入層單元和結構？

Question

我正在做一個有關元音識別的項目，我需要實現一個神經網絡。 我是該領域的新手，所以我不確定如何正確地做。 我有800個單詞的訓練集，其中包含8種元音，而第一步是檢查是否能夠通過邏輯回歸將它們分類為多個類：

-使用Matlab，我對每個樣本執行了wavread並將結果向量存儲在800 x 48117矩陣中，其中48117是最大的wav向量的大小。 即在這一步，我有800個示例和48117個“功能”，它們是每個聲音文件的頻率值。 當我運行邏輯回歸時，它將對集合進行迭代，並將其分為8類，准確度約為99.8％。 然后，我還為接收的類生成了頻譜圖，以使每個類都可視化，並將它們與原始樣本的頻譜圖進行比較。

-為了區分元音的共振頻率，我們有3個共振峰-F1，F2，F3，一個在頻譜圖上可以看到。 （例如F1為500 Hz，我們可以看到頻譜圖在該圖的該區域中具有最暗的顏色）。

-我正處於創建神經網絡的步驟，而我對如何開始非常茫然。 我不確定要有多少輸入層單位和隱藏層單位。 首先，我認為擁有48117個特征並具有一定數量的輸入單位是不正確的，因此我必須以某種方式最小化特征的數量。 我認為正確的方法是將它們分成3個對應於3個共振峰的組。 這是主要問題- 基於我可以將長向量歸納為3個輸入單位的依據？

-另一個似乎微不足道的問題是我應該擁有多少個隱藏單元。 我知道有多少沒有特殊的規則，但是根據我的訓練，有經驗的神經網絡人員會推薦多少？

Answer 1

我不確定我是否正確理解您的輸入。 從我的收集中，wavread將.wav文件讀取為“振幅矢量”。

首先，該網絡具有4837個輸入，k大小的隱藏層和8個類，使該網絡具有4837 * k + 8 * k的權重，這可能非常龐大。 800個培訓投入太多了。 通常都同意（但是，比科學更多的是藝術），隱藏層不應比輸入層小很多。

我也不確定，如果邏輯回歸表現良好，為什么還需要神經網絡。

有這些疑問，我不確定我是否會回答您的問題，但是我會盡力的。 您需要減小輸入大小。 它可以通過多種方式完成，一種是小波/傅立葉分析（將一個空間轉換為低維）。 完成傅立葉分析后，您可以“存儲”不同的頻率。 更簡單的方法是進行降維（matlab中的一項功能，如PCA）。 其原因是附近的值之間具有很高的相關性。 在圖像分析中稱為“增白”。

隱藏層的大小很難估計。 最好的方法是針對不同大小的隱藏層大小進行實驗，然后選擇最佳的隱藏層（過夜運行循環並查看結果）。

Answer 2

隱藏單元的數量取決於您想要哪種性能，如果性能欠佳且效果不佳，您可以擁有更多隱藏單元，但是性能良好且結果不准確。

因此，我的建議是嘗試使用不同數量的隱藏單元，然后選擇適合您的應用程序的單元。