开始使用免费开始使用

指定一个模型

您将构建一个简单的回归模型来预测流星的轨道！

训练数据是在撞击区域前 10 分钟到后 10 分钟之间不同时间步的测量值。每个时间步可视作图中的 X 坐标，与之对应的是该时间点流星轨道的位置 Y。

请注意，您可以将此问题视为使用神经网络去近似一个二次函数。

这些数据存储在两个 numpy 数组中：time_steps 为特征，y_positions 为标签。请开始构建您的模型！它应能够预测未来时间步上流星轨道的 y 位置。

Keras 的 Sequential 模型和 Dense 层已为您准备好可直接使用。

本练习是课程的一部分

Keras 深度学习入门

查看课程

练习说明

  • 实例化一个 Sequential 模型。
  • 添加一个具有 50 个神经元、输入形状为 1 个神经元的 Dense 层。
  • 再添加两个各含 50 个神经元且使用 'relu' 激活的 Dense 层。
  • 用一个仅含单个神经元且无激活函数的 Dense 层结束模型。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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.____
编辑并运行代码