Alle Herausforderungen
Einfach 1 gelöst 25.0% Erfolgsquote

Aktivierungsfunktionen

Wende Sigmoid, ReLU, Leaky ReLU oder tanh auf jeden Wert einer Liste an.

Das lernst du

  • Gängige Aktivierungsfunktionen implementieren
  • Verstehen, warum Netze Nichtlinearität brauchen
  • Überlauf in der Sigmoidfunktion vermeiden

Problem

Nachdem ein Neuron seine gewichteten Eingaben addiert hat, entscheidet eine Aktivierungsfunktion über seine Ausgabe. Ohne sie könnte ein neuronales Netz nur Geraden lernen.

Implementiere activate(name, values) und wende die genannte Funktion auf jeden Wert an:

nameFormel
"sigmoid"1 / (1 + e^(-x))
"relu"max(0, x)
"leaky_relu"x, wenn x > 0, sonst 0.01 × x
"tanh"(e^x - e^(-x)) / (e^x + e^(-x))

Eingabe

name: Einer der Werte "sigmoid", "relu", "leaky_relu" oder "tanh".

values: Eine Liste von Zahlen.

Ausgabe

Gib eine Liste zurück, in der die Aktivierung auf jeden Wert angewendet wurde, in derselben Reihenfolge.

Einschränkungen

1 ≤ Länge von values ≤ 1.000

-50 ≤ jeder Wert ≤ 50

Beispiele

Beispiel 1
Eingabe:
name = "sigmoid"
values = [0.0, 2.0, -2.0]

Erwartete Ausgabe:
expected = [0.5, 0.880797, 0.119203]
Eingabe:
std::string name = "sigmoid";
std::vector<double> values = {0.0, 2.0, -2.0};

Erwartete Ausgabe:
std::vector<double> expected = {0.5, 0.880797, 0.119203};
Eingabe:
string name = "sigmoid";
double[] values = new double[] {0.0, 2.0, -2.0};

Erwartete Ausgabe:
double[] expected = new double[] {0.5, 0.880797, 0.119203};

Erläuterung

sigmoid(0) = 1 / (1 + 1) = 0.5, sigmoid(2) ≈ 0.880797 und sigmoid(-2) ≈ 0.119203. Sigmoid drückt jede Zahl in den Bereich von 0 bis 1.

Beispiel 2
Eingabe:
name = "relu"
values = [-1.5, 0.0, 3.0]

Erwartete Ausgabe:
expected = [0.0, 0.0, 3.0]
Eingabe:
std::string name = "relu";
std::vector<double> values = {-1.5, 0.0, 3.0};

Erwartete Ausgabe:
std::vector<double> expected = {0.0, 0.0, 3.0};
Eingabe:
string name = "relu";
double[] values = new double[] {-1.5, 0.0, 3.0};

Erwartete Ausgabe:
double[] expected = new double[] {0.0, 0.0, 3.0};

Erläuterung

ReLU behält positive Werte und macht negative Werte zu 0: [0, 0, 3].

So gehst du vor

Versuch es zuerst allein und öffne dann einen Hinweis nach dem anderen.

Hinweis 1

Jede Aktivierung wird unabhängig auf jede Zahl angewendet, also betrachte immer nur einen Wert auf einmal.

Hinweis 2

Nutze die Formel zum gegebenen Namen und baue daraus eine neue Liste.

Hinweis 3

Achte auf negative Eingaben, besonders bei ReLU und der leaky Steigung auf der nichtpositiven Seite.

Erwartete Komplexität

Zeit O(n), zusätzlicher Speicher O(n)

Referenzen

Diese Aufgabe wurde für CodeUtility angepasst. Beachte die oben genannten Vorgaben und Einschränkungen.

Die beste bestandene Lösung jedes Coders. Schnellere, sparsamere und besser bewertete Lösungen stehen weiter oben.

# Coder Sprache Zeit Speicher KI-Bewertung Lösung
1 FSFilippo Sanguineti C++ 3,933 ms - 4/5 Code ansehen

Von anderen lernen

Community-Lösungen

Achtung Spoiler: 1 vollständige Lösung unten Versuche es zuerst selbst zu lösen. Du kannst trotzdem einen Blick auf den Code und die KI-Reviews anderer Entwickler werfen. Melde dich an und löse die Aufgabe, um an der Diskussion teilzunehmen.