页面加载中…
通过率 0% · 提交 0 · 通过 0
实现单层循环神经网络(RNN)的前向传播:h_t = tanh(W_x·x_t + W_h·h_{t−1} + b)。h_0 由输入给出,t 从 1 到 T 正向推进,输出每一步的隐藏态。
这类题属于算法机考高频题型中「循环网络 / 前向传播」方向的高频题型,通常考察对「循环网络 / 前向传播」的建模能力与边界条件处理。掌握本题的解题思路后,可举一反三应对同类真题方向,稳步提升机考通过率。
第一行三个整数 T dIn dH。随后 dH 行、每行 dIn 个实数为 W_x;dH 行、每行 dH 个实数为 W_h;1 行 dH 个实数为 b;1 行 dH 个实数为 h_0;随后 T 行、每行 dIn 个实数为 x_1…x_T(均最多两位小数)。
T 行、每行 dH 个数,为 h_1…h_T(四舍五入保留两位小数,单个空格分隔);-0.00 输出 0.00。舍入规则:用语言的标准两位小数格式化(f"{x:.2f}"、printf("%.2f")、String.format("%.2f"))即可;测试数据保证每个待输出值的精确值到 0.005 舍入边界的距离不小于 1e-8,三种语言结果一致,无需自行实现舍入。
示例 1
输入示例
2 2 2 0.50 0.00 0.00 0.50 0.10 0.00 0.00 0.10 0.00 0.00 0.00 0.00 1.00 1.00 1.00 -1.00
输出示例
0.46 0.46 0.50 -0.43
两步,对角权重
时间限制 4000 ms · 内存限制 256 MB
本平台为独立第三方培训机构,与华为技术有限公司无任何关联;课程的服务内容与权益以购买协议为准,学习效果因个人情况而异。「华为 OD」「华为可信」等仅为对岗位与考试方向的客观描述,相关商标归各自权利人所有。
登录后可查看你在本题的历史提交,以及每次的各用例通过情况。