ニューラルネットワークをトレーニングするときに、トレーニング例が少なすぎますか？

私は最初のプロジェクトをまとめようとしている初心者です。私は歌の分類プロジェクトを念頭に置いていましたが、手動でラベリングするので、約1000曲、つまり60時間の音楽を合理的にまとめることができました。

私はいくつかのクラスで分類しているので、1つのクラスがトレーニングセットで50〜100曲しか持っていない可能性があります。これは少なすぎるようです。ニューラルネットワークのトレーニングに必要なデータ量の一般的な経験則はありますか？

編集：私はバニラLSTMを使用することを考えていました。入力フィーチャの次元は39、出力次元は6になります。隠しレイヤーの次元の最初の試行は100です。

本当にデータセットとネットワークアーキテクチャに依存します。私が読んだ経験則の1つ（2）は、ニューラルネットワークが非常に良好に機能し始めるために、クラスごとに数千のサンプルでした。

実際には、人々は試してみます。1000サンプルより少ないトレーニングセットで適切な結果を示す研究を見つけることは珍しくありません。

より多くのトレーニングサンプルを取得することがどの程度有益であるかを大まかに評価する良い方法は、たとえば（1）から、トレーニングセットのサイズに基づいてニューラルネットワークのパフォーマンスをプロットすることです。

• （1）Dernoncourt、Franck、Ji Young Lee、Ozlem Uzuner、Peter Szolovits。「リカレントニューラルネットワークによる患者ノートの識別解除」arXiv preprint arXiv：1606.03475（2016）。

• （2）Cireşan、Dan C.、Ueli Meier、およびJürgenSchmidhuber。「ディープニューラルネットワークを使用したラテン語および中国語文字の転移学習」2012年のニューラルネットワークに関する国際合同会議（IJCNN）、1-6ページ。IEEE、2012。https ：//scholar.google.com/scholar？cluster = 7452424507909578812＆hl = ja＆as_sdt = 0,22 ; http://people.idsia.ch/~ciresan/data/ijcnn2012_v9.pdf：

  クラスごとに数千のサンプルを使用する分類タスクの場合、（教師なしまたは教師あり）事前トレーニングの利点を示すのは簡単ではありません。