활성화 함수

문제

뉴런이 가중치가 곱해진 입력을 모두 더하면, 활성화 함수가 출력을 결정합니다. 활성화 함수가 없으면 신경망은 직선만 학습할 수 있습니다.

activate(name, values)를 구현하고, 이름에 해당하는 함수를 모든 값에 적용하세요.

name: "sigmoid", "relu", "leaky_relu", "tanh" 중 하나.

values: 숫자 리스트.

각 값에 활성화 함수를 적용한 리스트를 같은 순서로 반환하세요.

1 ≤ values의 길이 ≤ 1,000

-50 ≤ 각 값 ≤ 50

예시 1

입력:
name = "sigmoid"
values = [0.0, 2.0, -2.0]

예상 출력:
expected = [0.5, 0.880797, 0.119203]

입력:
std::string name = "sigmoid";
std::vector<double> values = {0.0, 2.0, -2.0};

예상 출력:
std::vector<double> expected = {0.5, 0.880797, 0.119203};

입력:
string name = "sigmoid";
double[] values = new double[] {0.0, 2.0, -2.0};

예상 출력:
double[] expected = new double[] {0.5, 0.880797, 0.119203};

sigmoid(0) = 1 / (1 + 1) = 0.5, sigmoid(2) ≈ 0.880797, sigmoid(-2) ≈ 0.119203입니다. sigmoid는 어떤 수든 0과 1 사이로 압축합니다.

예시 2

입력:
name = "relu"
values = [-1.5, 0.0, 3.0]

예상 출력:
expected = [0.0, 0.0, 3.0]

입력:
std::string name = "relu";
std::vector<double> values = {-1.5, 0.0, 3.0};

예상 출력:
std::vector<double> expected = {0.0, 0.0, 3.0};

입력:
string name = "relu";
double[] values = new double[] {-1.5, 0.0, 3.0};

예상 출력:
double[] expected = new double[] {0.0, 0.0, 3.0};

ReLU는 양수는 그대로 두고 음수는 0으로 바꿉니다: [0, 0, 3].

먼저 스스로 풀어 본 뒤 힌트를 하나씩 열어 보세요.

힌트 1

각 activation은 모든 수에 독립적으로 적용되므로, 한 값씩만 보면 됩니다.

힌트 2

주어진 이름에 맞는 공식을 써서 결과로 새 리스트를 만드세요.

힌트 3

음수 입력에 주의하세요. 특히 ReLU와 비양수 구간의 leaky slope를 조심해야 합니다.

예상 복잡도

시간 O(n), 추가 공간 O(n)

이 문제는 CodeUtility에 맞게 수정되었습니다. 위의 설명과 제한 조건을 따르세요.