Een model specificeren
Je gaat een eenvoudig regressiemodel bouwen om de baan van de meteoor te voorspellen!
Je trainingsgegevens bestaan uit metingen op tijdstappen van -10 minuten vóór de inslagregio tot +10 minuten erna. Elke tijdstap kun je zien als een X-coördinaat in onze grafiek, met een bijbehorende positie Y voor de meteorietbaan op dat moment.
Merk op dat je dit probleem kunt zien als het benaderen van een kwadratische functie met behulp van neurale netwerken.
Deze gegevens staan in twee numpy-arrays: één met de naam time_steps, wat we de features noemen, en een andere y_positions, met de labels.
Ga aan de slag en bouw je model! Het moet de y-posities voor de meteorietbaan op toekomstige tijdstappen kunnen voorspellen.
Keras Sequential-model en Dense-lagen zijn beschikbaar om te gebruiken.
Deze oefening maakt deel uit van de cursus
Introductie tot Deep Learning met Keras
Oefeninstructies
- Instantieer een
Sequential-model. - Voeg een Dense-laag van 50 neuronen toe met een input shape van 1 neuron.
- Voeg twee Dense-lagen toe met elk 50 neuronen en
'relu'-activatie. - Eindig je model met een Dense-laag met één neuron en geen activatie.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# 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.____