神经网络训练时，损失值在0.1波动，不再下降，是否认为已经收敛？

在利用卷积神经网络训练一组数据时，损失值从3.7左右下降到0.15左右，之后损失值不再下降，这种情况是否可以认为已经收敛？但此时的测试集准确率只有92%左右，如果想要继续提高准确率，应该从哪方面入手：数据集本身？网络模型？训练参数？还是其它方面？
这是训练的两张图：

一个是本身数据的可学习性，一个是模型的问题。一个是网络调参不好。
打一个比方，如果仅仅用每天的天气数据预测每天的股票价格，怎么预测都误差很大，这个就是可学习性差。可学习性差表现为过拟合。
而用一个只有单层10个神经元的网络去判别图片，这个就是模型的问题。模型不好主要表现在学不动，不收敛。
还有一个就是网络调参，比如说虽然你的网络复杂性够了，数据也OK，但是优化器不好，导致梯度消失，过早收敛，这个你要换优化器的算法，必要的时候可以用网格搜索的方式手动调参。