Un singolo neurone artificiale

Un neurone artificiale moltiplica ogni input per un peso, aggiunge un bias e passa il risultato attraverso una funzione di attivazione:

z = x₁×w₁ + x₂×w₂ + … + xₙ×wₙ + bias

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

Implementa neuron_output(inputs, weights, bias).

Input

inputs: I valori di input.

weights: Un peso per ogni input (stessa lunghezza di inputs).

bias: Il bias del neurone.

Output

Restituisci l'output del neurone, un numero decimale tra 0 e 1.

Vincoli

1 ≤ lunghezza di inputs = lunghezza di weights ≤ 100

-10 ≤ ogni input, peso e bias ≤ 10

Esempi

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

Output atteso:
expected = 0.964429

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

Output atteso:
double expected = 0.964429;

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

Output atteso:
double expected = 0.964429;

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

Output atteso:
expected = 0.5

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

Output atteso:
double expected = 0.5;

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

Output atteso:
double expected = 0.5;

Riferimenti

Questa sfida è adattata per CodeUtility. Segui la traccia e i vincoli sopra.

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