我在 Keras 中使用以下模型$y:R^3\to R$

from keras.models import Sequential
from keras.layers import Dense

model = Sequential()
model.add(Dense(50, input_dim=3, activation='tanh'))
model.add(Dense(1, activation='linear', kernel_initializer='normal'))

model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])
model.fit(x_train, y_train, epochs=10, batch_size=8)
predictions = model.predict(x_test)

为了训练，我使用了一个由和组成的数据集。这按预期工作。$\{\mathbf{x}_i\}_{i=1}^N$$\{y_i\}_{i=1}^N$

现在想象一个稍微不同的情况，对于每个样本我有一对和 (）和我对应的目标数据点建模为 , 与。是否可以在 Keras 中定义这样的模型，以及如何实现？如果不是 Keras，还有其他框架吗？$i$$\mathbf{x}_{i,1}$$\mathbf{x}_{i,2}$$\mathbf{x}_{i,\alpha} \in R^3$$i$$y_i=z(\mathbf{x}_{i,1})+z(\mathbf{x}_{i,2})$$z:R^3 \to R$