Spécifier un modèle
Vous allez construire un modèle de régression simple pour prédire l’orbite du météore !
Vos données d’entraînement sont constituées de mesures prises à des instants compris entre -10 minutes avant la zone d’impact et +10 minutes après. Chaque pas de temps peut être vu comme une coordonnée X sur notre graphique, à laquelle est associée une position Y de l’orbite du météore à ce moment-là.
Notez que vous pouvez considérer ce problème comme l’approximation d’une fonction quadratique à l’aide de réseaux de neurones.
Ces données sont stockées dans deux tableaux numpy : l’un appelé time_steps, que l’on appelle des features, et un autre appelé y_positions, avec les labels.
Allez-y et construisez votre modèle ! Il devra pouvoir prédire les positions y de l’orbite du météore pour de futurs pas de temps.
Le modèle Sequential de Keras et les couches Dense sont à votre disposition.
Cet exercice fait partie du cours
Introduction au Deep Learning avec Keras
Instructions
- Instanciez un modèle
Sequential. - Ajoutez une couche Dense de 50 neurones avec une forme d’entrée de 1 neurone.
- Ajoutez deux couches Dense de 50 neurones chacune avec l’activation
'relu'. - Terminez votre modèle par une couche Dense avec un seul neurone et sans activation.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# Instantiate a Sequential model
model = ____
# Add a Dense layer with 50 neurons and an input of 1 neuron
model.add(____(____, input_shape=(____,), activation='relu'))
# Add two Dense layers with 50 neurons and relu activation
model.add(____(____,____=____))
model.____
# End your model with a Dense layer and no activation
model.____