問題
ニューロンが重み付きの入力を合計した後、活性化関数がその出力を決めます。活性化関数がなければ、ニューラルネットワークは直線しか学習できません。
activate(name, values) を実装し、指定された関数を各値に適用してください。
| name | 式 |
|---|---|
"sigmoid" | 1 / (1 + e^(-x)) |
"relu" | max(0, x) |
"leaky_relu" | x > 0 なら x、それ以外は 0.01 × x |
"tanh" | (e^x - e^(-x)) / (e^x + e^(-x)) |
入力
name: "sigmoid"、"relu"、"leaky_relu"、"tanh" のいずれか。
values: 数値のリスト。
出力
各値に活性化関数を適用したリストを、同じ順序で返してください。
制約
1 ≤ values の長さ ≤ 1,000
-50 ≤ 各値 ≤ 50
例
例 1
入力：
name = "sigmoid"
values = [0.0, 2.0, -2.0]
期待される出力：
expected = [0.5, 0.880797, 0.119203]入力：
std::string name = "sigmoid";
std::vector<double> values = {0.0, 2.0, -2.0};
期待される出力：
std::vector<double> expected = {0.5, 0.880797, 0.119203};入力：
string name = "sigmoid";
double[] values = new double[] {0.0, 2.0, -2.0};
期待される出力：
double[] expected = new double[] {0.5, 0.880797, 0.119203};解説
sigmoid(0) = 1 / (1 + 1) = 0.5、sigmoid(2) ≈ 0.880797、sigmoid(-2) ≈ 0.119203。sigmoid はどんな数も 0 から 1 の範囲に収めます。
例 2
入力：
name = "relu"
values = [-1.5, 0.0, 3.0]
期待される出力：
expected = [0.0, 0.0, 3.0]入力：
std::string name = "relu";
std::vector<double> values = {-1.5, 0.0, 3.0};
期待される出力：
std::vector<double> expected = {0.0, 0.0, 3.0};入力：
string name = "relu";
double[] values = new double[] {-1.5, 0.0, 3.0};
期待される出力：
double[] expected = new double[] {0.0, 0.0, 3.0};解説
ReLU は正の値をそのまま残し、負の値を 0 にします。結果は [0, 0, 3] です。
解き方のヒント
まずは自分で考えてから、ヒントを 1 つずつ開いてみましょう。
ヒント 1
各 activation は各数値に独立に適用されるので、1つずつ見ればよい。
ヒント 2
与えられた名前に対応する式を使い、結果から新しいリストを作る。
ヒント 3
負の入力に注意。特に ReLU と、非正側の leaky slope は気をつける。
目安の計算量
時間 O(n)、追加メモリ O(n)
参考資料
この課題はCodeUtility用に調整されています。上記の説明と制約に従ってください。