Definire un modello
Costruirai un semplice modello di regressione per prevedere l'orbita del meteorite!
I tuoi dati di addestramento consistono in misurazioni prese a intervalli di tempo da -10 minuti prima della regione d'impatto a +10 minuti dopo. Ogni istante può essere visto come una coordinata X nel nostro grafico, a cui è associata una posizione Y per l'orbita del meteorite in quel momento.
Nota: puoi considerare questo problema come l'approssimazione di una funzione quadratica usando reti neurali.
Questi dati sono salvati in due array numpy: uno chiamato time_steps, che chiamiamo feature, e un altro chiamato y_positions, con le etichette.
Vai avanti e costruisci il tuo modello! Dovrebbe essere in grado di prevedere le posizioni y dell'orbita del meteorite a futuri istanti temporali.
Il modello Sequential di Keras e i livelli Dense sono a tua disposizione.
Questo esercizio fa parte del corso
Introduzione al Deep Learning con Keras
Istruzioni dell'esercizio
- Istanzia un modello
Sequential. - Aggiungi un livello Dense da 50 neuroni con una forma di input di 1 neurone.
- Aggiungi due livelli Dense da 50 neuroni ciascuno con attivazione
'relu'. - Termina il modello con un livello Dense con un singolo neurone e senza attivazione.
esercizio interattivo pratico
Prova questo esercizio completando questo codice di esempio.
# 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.____