2-Layer MLP Forward

선형층(82) + ReLU(27) 를 쌓으면 가장 단순한 신경망. 은닉층 하나 짜리 MLP 로 비선형 분류/회귀 가능:

$\mathbf{h} = \text{ReLU}(X W_1 + \mathbf{b}_1)$ $\mathbf{y} = \mathbf{h} W_2 + \mathbf{b}_2$

• $W_1$: (D_in, H), $b_1$: (H,) — 첫 층
• $W_2$: (H, D_out), $b_2$: (D_out,) — 출력층

Universal approximation: 충분히 큰 H 면 MLP는 연속함수 어느 것이든 근사 가능.

과제

함수 mlp_forward(X, W1, b1, W2, b2) 를 완성하세요.

• 반환: 출력 (N, D_out).

테스트 케이스