Я новичок в нейронных сетях.Я пытаюсь решить проблему классификации с многослойной нейронной сетью.Выборка данных состоит из 40 объектов и одного из 8 основных классов истинности.Проблема заключается в том, что данные обучения невелики (не менее 50 выборок на класс) и не сбалансированы.Внедренная сеть представляет собой двухслойную нейронную сеть по 100 нейронов каждый.Результаты идеальны (~ 1,00) для обучения, но тихо нестабильны для данных тестирования (от 0,6 до 0,9).
Мои вопросы сейчас, если у вас есть какие-либо идеи, как сделать сеть более устойчивой?Для небольших наборов данных лучше иметь меньше слоев, но больше нейронов или больше слоев и меньше нейронов? Сколько нейронов должно быть в сети в первом слое (размерность вектора входных объектов равна 40)?В то время как в классификации изображений принято увеличивать входные изображения изменением молнии, вращением и т. Д. Есть ли что-то похожее для векторов объектов?