Neural network 关于神经网络的一般问题

我有一些关于NNs及其培训的一般性问题，希望您能回答： 我们假设，我得到了一个未经训练的神经网络，其中有n个隐藏层和m个神经元。我想训练网络，例如识别语音和单词。当我的声音输入不总是具有相同的长度（例如一个是1秒，另一个是5秒）时，我如何才能做到这一点？我的NN应该是多少层和什么类型（递归、LSTM、CNN等）？除了正常的反向传播算法，还有其他的训练算法吗（我想用一个每层只有一个神经元的神经网络，然后让它长出新的神经元，直到问题得到解决）？最后，是否建议/帮助在eg第2层到第4层的神经元之间建立连接

---

谢谢你的帮助

请注意，这是一个完全正确的问题

你绝对应该使用循环网络进行语音识别。这意味着你可以一个接一个地输出1/100秒。因此，在一秒钟内，您可以在一秒钟内激活网络100次

使用LSTM将确保记忆大时间滞后的模式，因此网络将基本上从以前的输入中记忆成员（有用）部分

应该使用多少层取决于您想要识别的确切内容。但由于语音识别不是最简单的分类任务之一，它必须是一个大型的深层网络（结合卷积和LSTM）

你提出的，一个接一个的进化网络，基本上被称为神经进化。诸如的库支持网络朝着某种解决方案的方向发展

是的，那肯定会有帮助。但这完全可以通过反复试验来发现

PS:我强烈建议从一个更简单的任务开始，以加深对神经网络的理解