具有两个功能的 fmap答案

【问题标题】：fmap with two functions具有两个功能的 fmap
【发布时间】：2018-07-15 16:48:06
【问题描述】：

我正在使用 haskell 编写神经网络。我的代码基于此 http://www-cs-students.stanford.edu/~blynn/haskell/brain.html 。我通过以下方式调整了前馈方法：

feedForward :: [Float] -> [([Float], [[Float]])] -> [Float]
feedForward = foldl ((fmap tanh . ) . previousWeights)

previousWeights 是：

previousWeights :: [Float] -> ([Float], [[Float]]) -> [Float]
previousWeights actual_value (bias, weights) = zipWith (+) bias (map (sum.(zipWith (*) actual_value)) weights)

我真的不明白 fmap tanh . 从我读到的 fmap 应用于两个函数就像一个组合。如果我将fmap 更改为map，我会得到相同的结果。

【问题讨论】：

对于列表fmap = map。 fmap 是 map 的泛化。
fmap 等于map 用于列表，请参阅learnyouahaskell.com/…，查找fmap = map
(fmap tanh .) 给你(Floating b, Functor f) => (a -> f b) -> a -> f b 如果你使用地图将它限制在列表中，你会得到(map tanh .) :: Floating b => (a -> [b]) -> a -> [b]
对于(.) . 看看this question
(fmap tanh . ) . previousWeights 是写\x y -> map tanh (previousWeights x y) 的复杂方式。因此，它会生成之前的权重，然后取每个权重的 tanh。

标签： haskell neural-network feed-forward

【解决方案1】：

如果我们给出参数名称并删除连续的.，则更容易阅读：

feedForward :: [Float] -> [([Float], [[Float]])] -> [Float]
feedForward actual_value bias_and_weights =
  foldl
  (\accumulator -- the accumulator, it is initialized as actual_value
    bias_and_weight -> -- a single value from bias_and_weights
     map tanh $ previousWeights accumulator bias_and_weight)
  actual_value -- initialization value
  bias_and_weights -- list we are folding over

在这种情况下，知道foldl 的类型签名将是([Float] -> ([Float], [[Float]])-> [Float]) -> [Float] -> [([Float], [[Float]])] -> [Float] 也可能会有所帮助。

注意：您发现的这种代码风格虽然写起来很有趣，但对其他人来说阅读起来可能是一个挑战，如果不是为了好玩，我通常不建议您这样写。

【讨论】：