在Keras中实现一个循环神经网络(RNN)可以使用SimpleRNN、LSTM或GRU等不同的RNN单元。下面是一个使用SimpleRNN的简单示例:
from keras.models import Sequential
from keras.layers import SimpleRNN, Dense
model = Sequential()
model.add(SimpleRNN(50, input_shape=(10, 1))) # 50个隐藏层单元
model.add(Dense(1))
model.compile(optimizer='adam', loss='mse')
在这个示例中，我们创建了一个简单的循环神经网络模型，包含一个SimpleRNN层和一个全连接层Dense。SimpleRNN层的参数包括隐藏层单元的数量(这里是50)和输入形状(10, 1)，表示输入序列的长度为10，每个时间步输入的维度为1。最后，我们编译模型并指定优化器和损失函数。
你也可以使用LSTM或GRU替代SimpleRNN来构建循环神经网络模型。只需将SimpleRNN替换为LSTM或GRU即可，其他部分保持不变。
