問題
小さなニューラルネットワークには隠れ層と出力層があります。データはそれらを順に流れます。
- 隠れ層：h_j = ReLU(inputs · hidden_weights[j] + hidden_biases[j])、ただし ReLU(z) = max(0, z)
- 出力層：y_k = sigmoid(h · output_weights[k] + output_biases[k])、ただし sigmoid(z) = 1 / (1 + e^(-z))
forward_pass(inputs, hidden_weights, hidden_biases, output_weights, output_biases) を実装してください。
入力
inputs: n 個の入力値。
hidden_weights, hidden_biases: 隠れ層。隠れニューロンごとに1行の重みと1つのバイアス。
output_weights, output_biases: 出力層。出力ごとに1行と1つのバイアス。各行は隠れニューロンごとに1つの重みを持ちます。
出力
ネットワークの出力 y のリストを返してください。
制約
1 ≤ 入力数、隠れニューロン数、出力数 ≤ 50
-10 ≤ 各値 ≤ 10
例
例 1
入力：
inputs = [1.0, 0.5]
hidden_biases = [0.0, 0.5]
output_biases = [0.0]
hidden_weights = [
[1.0, -2.0],
[0.5, 1.0]
]
output_weights = [
[1.0, -1.0]
]
期待される出力：
expected = [0.182426]入力：
std::vector<double> inputs = {1.0, 0.5};
std::vector<double> hidden_biases = {0.0, 0.5};
std::vector<double> output_biases = {0.0};
std::vector<std::vector<double>> hidden_weights = {
{1.0, -2.0},
{0.5, 1.0}
};
std::vector<std::vector<double>> output_weights = {
{1.0, -1.0}
};
期待される出力：
std::vector<double> expected = {0.182426};入力：
double[] inputs = new double[] {1.0, 0.5};
double[] hidden_biases = new double[] {0.0, 0.5};
double[] output_biases = new double[] {0.0};
double[][] hidden_weights = new double[][] {
new double[] {1.0, -2.0},
new double[] {0.5, 1.0}
};
double[][] output_weights = new double[][] {
new double[] {1.0, -1.0}
};
期待される出力：
double[] expected = new double[] {0.182426};解説
隠れ層：ReLU(1×1 + 0.5×(-2) + 0) = ReLU(0) = 0、ReLU(1×0.5 + 0.5×1 + 0.5) = 1.5。出力：sigmoid(0×1 + 1.5×(-1) + 0) = sigmoid(-1.5) ≈ 0.182426。
例 2
入力：
inputs = [2.0]
hidden_biases = [0.0, 0.0]
output_biases = [-1.0, 0.0]
hidden_weights = [
[1.0],
[-1.0]
]
output_weights = [
[0.5, 0.5],
[-0.5, 2.0]
]
期待される出力：
expected = [0.5, 0.268941]入力：
std::vector<double> inputs = {2.0};
std::vector<double> hidden_biases = {0.0, 0.0};
std::vector<double> output_biases = {-1.0, 0.0};
std::vector<std::vector<double>> hidden_weights = {
{1.0},
{-1.0}
};
std::vector<std::vector<double>> output_weights = {
{0.5, 0.5},
{-0.5, 2.0}
};
期待される出力：
std::vector<double> expected = {0.5, 0.268941};入力：
double[] inputs = new double[] {2.0};
double[] hidden_biases = new double[] {0.0, 0.0};
double[] output_biases = new double[] {-1.0, 0.0};
double[][] hidden_weights = new double[][] {
new double[] {1.0},
new double[] {-1.0}
};
double[][] output_weights = new double[][] {
new double[] {0.5, 0.5},
new double[] {-0.5, 2.0}
};
期待される出力：
double[] expected = new double[] {0.5, 0.268941};解説
隠れ層：ReLU(2) = 2、ReLU(-2) = 0。出力1：sigmoid(2×0.5 + 0 - 1) = sigmoid(0) = 0.5。出力2：sigmoid(2×(-0.5) + 0) = sigmoid(-1) ≈ 0.268941。
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。