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。

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。