我正在尝试建立一个模仿simulink模型行为的神经网络。我得到了运行500个模拟的训练数据，我已经获得了500个csv文件，如下所示：
index brake throttle speed ... trans_rpm shift dengineRPM
3402800 0.000000 0.875000 0.552391 ... 0.552391 1.000000 0.542006
2660433 0.000000 0.000000 0.311133 ... 0.311133 1.000000 0.407133
529139 0.000000 0.250000 0.474734 ... 0.474734 1.000000 0.619479
3515294 1.000000 0.300000 0.471611 ... 0.471611 1.000000 0.624678
3352579 0.300000 0.000000 0.483182 ... 0.483182 1.000000 0.666228
861897 1.000000 0.100000 0.229484 ... 0.229484 0.666667 0.630283
2089878 0.000000 0.333333 0.880781 ... 0.880781 1.000000 0.671155
3725855 0.500000 0.777778 0.710402 ... 0.710402 1.000000 0.671651
1320901 0.666667 0.700000 0.864026 ... 0.864026 1.000000 0.617724
3328280 0.000000 0.142857 0.478830 ... 0.478830 1.000000 0.428254
596914 0.625000 0.166667 0.703536 ... 0.703536 1.000000 0.410554
2845079 0.200000 0.750000 0.528694 ... 0.528694 1.000000 0.551336
1892407 0.000000 0.857143 0.925231 ... 0.925231 1.000000 0.672595
3047691 0.857143 0.857143 0.548295 ... 0.548295 0.666667 0.677313
2786000 0.750000 0.000000 0.985152 ... 0.985152 1.000000 0.670434
464575 1.000000 1.000000 0.969433 ... 0.969433 1.000000 0.459347
数据已归一化，在训练之前，我已经对训练集进行了改组。我的目标是预测dengineRPM。
我尝试了许多结构，例如： 1层，2层，3层具有4,8,16,32,64个神经元。我试图更改激活功能，如relu，tanh等...，更改批处理大小，更改培训大小，更改损失和其他内容，但准确性保持稳定在0.00004左右，而是mse降低
这是一个代码示例：
x = tf.keras.layers.Dense(16, activation=tf.nn.relu)(inputs)
do = tf.keras.layers.Dropout(0.2)(x)
y = tf.keras.layers.Dense(16, activation=tf.nn.relu)(do)
do1 = tf.keras.layers.Dropout(0.2)(y)
outputs = tf.keras.layers.Dense(1, activation=tf.nn.relu)(do1)
optimizerRMS =tf.keras.optimizers.RMSprop(0.0001)
model = tf.keras.Model(inputs=inputs, outputs=outputs)
model.compile(loss='mean_squared_error', optimizer = optimizerAdam, metrics=['acc','mean_absolute_error', 'mean_squared_error'])
我做错了什么？