Una sola neurona artificial

Una neurona artificial multiplica cada entrada por un peso, suma un sesgo y pasa el resultado por una función de activación:

z = x₁×w₁ + x₂×w₂ + … + xₙ×wₙ + bias

salida = sigmoid(z) = 1 / (1 + e^(-z))

Implementa neuron_output(inputs, weights, bias).

Entrada

inputs: Los valores de entrada.

weights: Un peso por entrada (misma longitud que inputs).

bias: El sesgo de la neurona.

Salida

Devuelve la salida de la neurona, un número decimal entre 0 y 1.

Restricciones

1 ≤ longitud de inputs = longitud de weights ≤ 100

-10 ≤ cada entrada, peso y sesgo ≤ 10

Ejemplos

Entrada:
bias = 0.5
inputs = [1.0, 2.0, 3.0]
weights = [0.2, 0.4, 0.6]

Salida esperada:
expected = 0.964429

Entrada:
double bias = 0.5;
std::vector<double> inputs = {1.0, 2.0, 3.0};
std::vector<double> weights = {0.2, 0.4, 0.6};

Salida esperada:
double expected = 0.964429;

Entrada:
double bias = 0.5;
double[] inputs = new double[] {1.0, 2.0, 3.0};
double[] weights = new double[] {0.2, 0.4, 0.6};

Salida esperada:
double expected = 0.964429;

Entrada:
bias = 0.0
inputs = [0.5, -1.0]
weights = [2.0, 1.0]

Salida esperada:
expected = 0.5

Entrada:
double bias = 0.0;
std::vector<double> inputs = {0.5, -1.0};
std::vector<double> weights = {2.0, 1.0};

Salida esperada:
double expected = 0.5;

Entrada:
double bias = 0.0;
double[] inputs = new double[] {0.5, -1.0};
double[] weights = new double[] {2.0, 1.0};

Salida esperada:
double expected = 0.5;

Referencias

Este reto está adaptado para CodeUtility. Sigue el enunciado y las restricciones indicadas arriba.

• Michael Nielsen, Neural Networks and Deep Learning
• Stanford CS231n, Neural Networks Part 1