Keras多输入：具有不同比例输入的MLP模型

Question

就我的论文而言，我需要为收集的实验数据提供（或至少尝试）预测模型。 由于对该系统的FEM分析非常复杂，因此我想尝试一下MLP（或任何其他更合适的ML算法）。

基本上我有len（tv）的不同批次（每个批次用固定的V，U表示）。

输入为（例如电压= V，粘度= U）：

time vector : tv = np.arange(0.0995 , 7.0995, 0.1)
voltage : v = np.full(len(tv), V)
viscosity : u = np.full(len(tv), U)
dimensions : [x, y, z, diameter]

每批次我有4个输入：前三个具有相同的len，最后一个具有len = 4。

输出是具有高斯形状的len（tv）的向量：每个值对应于tv向量中的一个值

• 如何用Keras为MLP层建模（如果这是一个很好的开始）？
• 由于数据的比例不同，我需要对其进行重新缩放/归一化，这将是一个好方法？减去每个数组的第一个值（使其从零开始）或例如在-1,1？之间缩放它？

谢谢！