モデルの指定
流星の軌道を予測するためのシンプルな回帰モデルを構築します！
学習データは、衝突領域の10分前から10分後までの時系列ステップで計測された値で構成されています。各タイムステップはグラフ上のX座標とみなせ、その時点の流星の軌道に対応する位置Yがあります。
この課題は、ニューラルネットワークを使って二次関数を近似する問題として捉えることができます。
このデータは2つのnumpy配列に保存されています。time_steps は特徴量（features）で、y_positions はラベル（labels）です。
さあモデルを構築しましょう！将来のタイムステップにおける流星の軌道のy位置を予測できるようにします。
Keras の Sequential モデルと Dense レイヤーが利用可能です。
この演習はコースの一部です
Kerasで学ぶIntroduction to Deep Learning
演習の手順
Sequentialモデルをインスタンス化します。- 入力形状が1ニューロンの、50ニューロンの Dense レイヤーを追加します。
- 50ニューロンで
'relu'活性化の Dense レイヤーを2つ追加します。 - 最後に、活性化なしの1ニューロンの Dense レイヤーでモデルを終了します。
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# 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.____