在Keras中，可以通過Sequential模型來創建一個簡單的全連接神經網絡。以下是一個例子：
from keras.models import Sequential
from keras.layers import Dense
# 創建一個Sequential模型
model = Sequential()
# 添加輸入層和隱藏層
model.add(Dense(units=64, activation='relu', input_dim=100))
# 添加輸出層
model.add(Dense(units=10, activation='softmax'))
# 編譯模型
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
# 訓練模型
model.fit(X_train, y_train, epochs=10, batch_size=32)
在這個例子中，我們創建了一個包含一個輸入層，一個隱藏層和一個輸出層的全連接神經網絡。輸入層有100個特征，隱藏層有64個神經元并使用ReLU激活函數，輸出層有10個神經元并使用softmax激活函數。我們使用adam優化器和交叉熵損失函數來編譯模型，并訓練模型10個epochs。
