畳み込みニューラルネットワークはテストセットケラシを分類していません

Question

高度なアルツハイマー病、早期アルツハイマー病および健康な人々（3クラス）の人々の3次元畳み込みニューラルネットワーク[ケラス、テンソルフロー]および3D脳画像を持っています。私は324の画像のトレーニングセットと74の画像のテストセットを持っています。私がCNNを訓練したとき、私は約65-70％の精度を持っていましたが、テストセットでは30-40％しかありませんでした。検証データとしてテストデータを使用し、トレーニングセットに使用したとき、私は37％以上の正確さを持たず、損失は全期間同じレベルにとどまっていました。どのパラメータを変更しても、結果は同じです。私は用意され正規化されたデータを.h5ファイルからPythonにロードし、入力には形状（None、90、120、80、1）があります。私は何が間違っているかもしれないという考えを持っていない、私は何度もコードをチェックし、すべてが正しいと思われる。 reluとbatch_normalizations、3つの緻密層とドロップアウト、ソフトマックス

私は任意のヘルプやアイデアに感謝：

私のCNNは4つのconv3D層、3 MAX-プーリング、アクティベーションを持っています。

Answer 1

訓練データの精度が65/70％の場合は、実際には貧弱であり、ニューラルネットワークが適切に収束していないことを示します。小さな入力サンプルからの出力をハードコードすることを効果的に学習することにより、構造が複雑な場合は少なくとも、トレーニングデータのオーバーフィッティングが可能でなければなりません。それの音で、あなたの構造は十分に複雑です。

最初に試してみるのは、学習率を10倍に下げ、検証/早期停止/正規化/正則化と過大な詰まりを防ぐ他の方法を無効にすることです。その後、トレーニングデータを100％に近づけるまでトレーニングデータをオーバーフィットできるようになるまで、LRを10分の1に減らしながら、リンス、リピート、反復を繰り返します。

あなたは正常な早期停止、脱落、正規化、正則化などの作業を行い、あなたが知っている学習率で過度の訓練を避けることができます。

LRを落としてもLRが小さくても、NN構造に問題があります。