Logistic function from Lakshay Garg

Average Error: 29.9 → 0.5

Time: 9.0s

Precision: binary64

Cost: 20296

Math

\[\frac{2}{1 + e^{-2 \cdot x}} - 1 \]

↓

\[\begin{array}{l} \mathbf{if}\;-2 \cdot x \leq -20000000:\\ \;\;\;\;\frac{2}{1 + e^{-2 \cdot x}} + -1\\ \mathbf{elif}\;-2 \cdot x \leq 0.001:\\ \;\;\;\;x + \mathsf{fma}\left(-0.3333333333333333, {x}^{3}, 0.13333333333333333 \cdot {x}^{5}\right)\\ \mathbf{else}:\\ \;\;\;\;-1\\ \end{array} \]

FPCore

(FPCore (x y) :precision binary64 (- (/ 2.0 (+ 1.0 (exp (* -2.0 x)))) 1.0))

↓

(FPCore (x y)
 :precision binary64
 (if (<= (* -2.0 x) -20000000.0)
   (+ (/ 2.0 (+ 1.0 (exp (* -2.0 x)))) -1.0)
   (if (<= (* -2.0 x) 0.001)
     (+
      x
      (fma
       -0.3333333333333333
       (pow x 3.0)
       (* 0.13333333333333333 (pow x 5.0))))
     -1.0)))

C

double code(double x, double y) {
	return (2.0 / (1.0 + exp((-2.0 * x)))) - 1.0;
}

↓

double code(double x, double y) {
	double tmp;
	if ((-2.0 * x) <= -20000000.0) {
		tmp = (2.0 / (1.0 + exp((-2.0 * x)))) + -1.0;
	} else if ((-2.0 * x) <= 0.001) {
		tmp = x + fma(-0.3333333333333333, pow(x, 3.0), (0.13333333333333333 * pow(x, 5.0)));
	} else {
		tmp = -1.0;
	}
	return tmp;
}

Julia

function code(x, y)
	return Float64(Float64(2.0 / Float64(1.0 + exp(Float64(-2.0 * x)))) - 1.0)
end

↓

function code(x, y)
	tmp = 0.0
	if (Float64(-2.0 * x) <= -20000000.0)
		tmp = Float64(Float64(2.0 / Float64(1.0 + exp(Float64(-2.0 * x)))) + -1.0);
	elseif (Float64(-2.0 * x) <= 0.001)
		tmp = Float64(x + fma(-0.3333333333333333, (x ^ 3.0), Float64(0.13333333333333333 * (x ^ 5.0))));
	else
		tmp = -1.0;
	end
	return tmp
end

Wolfram

code[x_, y_] := N[(N[(2.0 / N[(1.0 + N[Exp[N[(-2.0 * x), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision] - 1.0), $MachinePrecision]

↓

code[x_, y_] := If[LessEqual[N[(-2.0 * x), $MachinePrecision], -20000000.0], N[(N[(2.0 / N[(1.0 + N[Exp[N[(-2.0 * x), $MachinePrecision]], $MachinePrecision]), $MachinePrecision]), $MachinePrecision] + -1.0), $MachinePrecision], If[LessEqual[N[(-2.0 * x), $MachinePrecision], 0.001], N[(x + N[(-0.3333333333333333 * N[Power[x, 3.0], $MachinePrecision] + N[(0.13333333333333333 * N[Power[x, 5.0], $MachinePrecision]), $MachinePrecision]), $MachinePrecision]), $MachinePrecision], -1.0]]

Derivation

1. Split input into 3 regimes

2. if (*.f64 -2 x) < -2e7

   1. Initial program 0

      \[\frac{2}{1 + e^{-2 \cdot x}} - 1 \]

   if -2e7 < (*.f64 -2 x) < 1e-3

   1. Initial program 58.3

      \[\frac{2}{1 + e^{-2 \cdot x}} - 1 \]

   2. Taylor expanded in x around 0 0.6

      \[\leadsto \color{blue}{-0.3333333333333333 \cdot {x}^{3} + \left(0.13333333333333333 \cdot {x}^{5} + x\right)} \]

   3. Applied egg-rr 30.1

      \[\leadsto \color{blue}{\frac{\mathsf{fma}\left(-0.3333333333333333, {x}^{3}, 0.13333333333333333 \cdot {x}^{5}\right) \cdot \mathsf{fma}\left(-0.3333333333333333, {x}^{3}, 0.13333333333333333 \cdot {x}^{5}\right) - x \cdot x}{\mathsf{fma}\left(-0.3333333333333333, {x}^{3}, 0.13333333333333333 \cdot {x}^{5}\right) - x}} \]

   4. Applied egg-rr 0.6

      \[\leadsto \color{blue}{\mathsf{fma}\left(-0.3333333333333333, {x}^{3}, 0.13333333333333333 \cdot {x}^{5}\right) + x} \]

   if 1e-3 < (*.f64 -2 x)

   1. Initial program 0.1

      \[\frac{2}{1 + e^{-2 \cdot x}} - 1 \]

   2. Taylor expanded in x around 0 2.1

      \[\leadsto \frac{2}{\color{blue}{2 + -2 \cdot x}} - 1 \]

   3. Simplified 2.1

      \[\leadsto \frac{2}{\color{blue}{2 + x \cdot -2}} - 1 \]
      Proof

      [Start] 2.1	\[ \frac{2}{2 + -2 \cdot x} - 1 \]
      *-commutative [=>] 2.1	\[ \frac{2}{2 + \color{blue}{x \cdot -2}} - 1 \]

   4. Taylor expanded in x around inf 0.8

      \[\leadsto \color{blue}{-1} \]
3. Recombined 3 regimes into one program.

4. Final simplification 0.5

   \[\leadsto \begin{array}{l} \mathbf{if}\;-2 \cdot x \leq -20000000:\\ \;\;\;\;\frac{2}{1 + e^{-2 \cdot x}} + -1\\ \mathbf{elif}\;-2 \cdot x \leq 0.001:\\ \;\;\;\;x + \mathsf{fma}\left(-0.3333333333333333, {x}^{3}, 0.13333333333333333 \cdot {x}^{5}\right)\\ \mathbf{else}:\\ \;\;\;\;-1\\ \end{array} \]

Alternatives

Alternative 1
Error	0.5
Cost	14024

\[\begin{array}{l} \mathbf{if}\;-2 \cdot x \leq -20000000:\\ \;\;\;\;\frac{2}{1 + e^{-2 \cdot x}} + -1\\ \mathbf{elif}\;-2 \cdot x \leq 0.001:\\ \;\;\;\;-0.3333333333333333 \cdot {x}^{3} + \left(x + 0.13333333333333333 \cdot {x}^{5}\right)\\ \mathbf{else}:\\ \;\;\;\;-1\\ \end{array} \]

Alternative 2
Error	0.6
Cost	7304

\[\begin{array}{l} \mathbf{if}\;-2 \cdot x \leq -20000000:\\ \;\;\;\;\frac{2}{1 + e^{-2 \cdot x}} + -1\\ \mathbf{elif}\;-2 \cdot x \leq 0.001:\\ \;\;\;\;x + -0.3333333333333333 \cdot {x}^{3}\\ \mathbf{else}:\\ \;\;\;\;-1\\ \end{array} \]

Alternative 3
Error	13.3
Cost	584

\[\begin{array}{l} \mathbf{if}\;x \leq -1:\\ \;\;\;\;-1\\ \mathbf{elif}\;x \leq 2.55:\\ \;\;\;\;x\\ \mathbf{else}:\\ \;\;\;\;2 - \frac{4}{x}\\ \end{array} \]

Alternative 4
Error	13.6
Cost	580

\[\begin{array}{l} \mathbf{if}\;x \leq -0.65:\\ \;\;\;\;-1\\ \mathbf{else}:\\ \;\;\;\;x \cdot \frac{2}{x + 2}\\ \end{array} \]

Alternative 5
Error	13.3
Cost	328

\[\begin{array}{l} \mathbf{if}\;x \leq -1:\\ \;\;\;\;-1\\ \mathbf{elif}\;x \leq 2:\\ \;\;\;\;x\\ \mathbf{else}:\\ \;\;\;\;2\\ \end{array} \]

Alternative 6
Error	43.9
Cost	196

\[\begin{array}{l} \mathbf{if}\;x \leq 1.1 \cdot 10^{-308}:\\ \;\;\;\;-1\\ \mathbf{else}:\\ \;\;\;\;2\\ \end{array} \]

Alternative 7
Error	47.1
Cost	64

\[-1 \]

Reproduce

herbie shell --seed 2023066 
(FPCore (x y)
  :name "Logistic function from Lakshay Garg"
  :precision binary64
  (- (/ 2.0 (+ 1.0 (exp (* -2.0 x)))) 1.0))