โจทย์
หลังจากนิวรอนรวมอินพุตที่คูณน้ำหนักแล้ว ฟังก์ชันกระตุ้น จะเป็นตัวกำหนดเอาต์พุต ถ้าไม่มีฟังก์ชันนี้ โครงข่ายประสาทเทียมจะเรียนรู้ได้แค่เส้นตรง
จงเขียน activate(name, values) และใช้ฟังก์ชันตามชื่อที่กำหนดกับทุกค่า:
| name | สูตร |
|---|---|
"sigmoid" | 1 / (1 + e^(-x)) |
"relu" | max(0, x) |
"leaky_relu" | x ถ้า x > 0 ไม่เช่นนั้น 0.01 × x |
"tanh" | (e^x - e^(-x)) / (e^x + e^(-x)) |
อินพุต
name: หนึ่งใน "sigmoid", "relu", "leaky_relu" หรือ "tanh"
values: ลิสต์ของตัวเลข
เอาต์พุต
คืนค่าลิสต์ที่ใช้ฟังก์ชันกระตุ้นกับแต่ละค่าแล้ว โดยเรียงลำดับเหมือนเดิม
เงื่อนไข
1 ≤ ความยาวของ values ≤ 1,000
-50 ≤ แต่ละค่า ≤ 50
ตัวอย่าง
อินพุต:
name = "sigmoid"
values = [0.0, 2.0, -2.0]
ผลลัพธ์ที่คาดหวัง:
expected = [0.5, 0.880797, 0.119203]
อินพุต:
std::string name = "sigmoid";
std::vector<double> values = {0.0, 2.0, -2.0};
ผลลัพธ์ที่คาดหวัง:
std::vector<double> expected = {0.5, 0.880797, 0.119203};
อินพุต:
string name = "sigmoid";
double[] values = new double[] {0.0, 2.0, -2.0};
ผลลัพธ์ที่คาดหวัง:
double[] expected = new double[] {0.5, 0.880797, 0.119203};
คำอธิบาย
sigmoid(0) = 1 / (1 + 1) = 0.5, sigmoid(2) ≈ 0.880797 และ sigmoid(-2) ≈ 0.119203 ฟังก์ชัน sigmoid บีบตัวเลขใดๆ ให้อยู่ในช่วง 0 ถึง 1
อินพุต:
name = "relu"
values = [-1.5, 0.0, 3.0]
ผลลัพธ์ที่คาดหวัง:
expected = [0.0, 0.0, 3.0]
อินพุต:
std::string name = "relu";
std::vector<double> values = {-1.5, 0.0, 3.0};
ผลลัพธ์ที่คาดหวัง:
std::vector<double> expected = {0.0, 0.0, 3.0};
อินพุต:
string name = "relu";
double[] values = new double[] {-1.5, 0.0, 3.0};
ผลลัพธ์ที่คาดหวัง:
double[] expected = new double[] {0.0, 0.0, 3.0};
คำอธิบาย
ReLU เก็บค่าบวกไว้และเปลี่ยนค่าลบเป็น 0: [0, 0, 3]
แหล่งอ้างอิง
โจทย์นี้ปรับให้เหมาะกับ CodeUtility กรุณาทำตามคำชี้แจงและข้อจำกัดด้านบน