бинарная классификация в [Триплет | Прототип] нейронная сеть

Question

Я совершенно новичок в концепции обучения с несколькими выстрелами, и я здесь запутался.

Проблема

Я обучил сеть CNN проецировать звуковые образцы (набор данных команд Google Speech) в 64-мерный вывод на основе концепции прототипной нейронной сети (вычисление расстояния и кластера).

Модель была обучена для 5 выстрелов 5 способами (партия из 5 образцов из 5 классов для каждой итерации обучения)

и теперь я хочу сделать бинарную классификацию, т.е. дать 5 образцов из нового класса и спросить, подходит ли мой тестовый образец к этому новому классу или НЕТ.

Вопросы

1. Учитывая 64-мерный кластер, что лучше всего использовать для классификации? обучать однослойную плотную сеть (входные данные: 64 функции, выходные данные: количество классов) или кластеризация Kmeans?

2. как сделать бинарную классификацию? Должен ли я относиться ко всем другим классам как к отрицательным образцам, а к новым образцам - положительным? или есть лучшие способы?

3. Было бы практично провести двухэтапный поезд на новых образцах, чтобы улучшить встраивание кластера для новой двоичной классификации?