Un seul neurone artificiel

Un neurone artificiel multiplie chaque entrée par un poids, ajoute un biais et fait passer le résultat dans une fonction d'activation :

z = x₁×w₁ + x₂×w₂ + … + xₙ×wₙ + bias

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

Implémentez neuron_output(inputs, weights, bias).

Entrée

inputs : les valeurs d'entrée.

weights : un poids par entrée (même longueur que inputs).

bias : le biais du neurone.

Sortie

Renvoyez la sortie du neurone, un nombre décimal entre 0 et 1.

Contraintes

1 ≤ longueur de inputs = longueur de weights ≤ 100

-10 ≤ chaque entrée, poids et biais ≤ 10

Exemples

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

Sortie attendue :
expected = 0.964429

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

Sortie attendue :
double expected = 0.964429;

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

Sortie attendue :
double expected = 0.964429;

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

Sortie attendue :
expected = 0.5

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

Sortie attendue :
double expected = 0.5;

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

Sortie attendue :
double expected = 0.5;

Références

Ce défi a été adapté pour CodeUtility. Suivez l'énoncé et les contraintes ci-dessus.

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