ケラスとLSTMを使用したマルチステップ先予測の複数の出力

私はディープラーニングとLSTM（ケラを使用）を初めて使用します。私は、マルチステップ先の時系列予測を解決しようとしています。A、B、Cの3つの時系列があり、Cの値を予測したいと思います。LSTMをトレーニングして、データポイントを3ステップ戻し、将来の3ステップを予測しています。入力データは次のようになります。

X = [[[A0, B0, C0],[A1, B1, C1],[A2, B2, C2]],[[ ...]]]

寸法：(1000, 3, 3)。出力は次のとおりです。

y = [[C3, C4, C5],[C4, C5, C6],...]

寸法：(1000, 3)。

1つの非表示レイヤー（50ニューロン）を持つ単純なLSTMを使用しています。私はケラスを使ってLSTMを次のように設定しました：

n_features = 3
neurons = 50
ahead = 3
model = Sequential()
model.add(LSTM(input_dim=n_features, output_dim=neurons))
model.add(Dropout(.2))
model.add(Dense(input_dim=neurons, output_dim=ahead))
model.add(Activation('linear'))
model.compile(loss='mae', optimizer='adam')
model.fit(X, y, epochs=50)

このモデルは正常に動作します。ここで、（同じ入力を使用して）Bの値も予測したいと思います。したがって、複数の機能を持つトレーニングの場合と同じように、出力を再形成しようとしました。

 y = [[[B3, C3],[B4, C4],[B5, C5]],[[ ...]]]

そのため、次のような寸法になります(1000, 3, 2)。ただし、これによりエラーが発生します。

Error when checking target: expected activation_5 to have 2 dimensions, 
but got array with shape (1000, 3, 2)

ネットワークの構造を変える必要があると思います。変更を試みましたがmodel.add(Dense(input_dim=neurons, output_dim=ahead))成功しませんでした。y別の形に変えるべきですか？ネットワークの構造は間違っていますか？

model = Sequential()
model.add(LSTM(input_dim=n_features, output_dim=neurons))
model.add(Dropout(.2))
model.add(Flatten())
model.add(Dense(ahead))
model.compile(loss='mae', optimizer='adam')
model.fit(X, y, epochs=50)

違いは次のとおりです。

• LSTMからの出力を平坦化しています。このシナリオでは、3Dテンソルと高密度レイヤーが得られるため、2Dテンソルが必要になると考えています。
• 別の回答で提案された変更を変更しました。
• デフォルト起動するので、活性層を削除しKeras緻密層ですlinear。