Problema
Um neurônio artificial multiplica cada entrada por um peso, soma um viés e passa o resultado por uma função de ativação:
z = x₁×w₁ + x₂×w₂ + … + xₙ×wₙ + bias
saída = sigmoid(z) = 1 / (1 + e^(-z))
Implemente neuron_output(inputs, weights, bias).
Entrada
inputs: Os valores de entrada.
weights: Um peso por entrada (mesmo tamanho de inputs).
bias: O viés do neurônio.
Saída
Retorne a saída do neurônio, um número decimal entre 0 e 1.
Restrições
1 ≤ tamanho de inputs = tamanho de weights ≤ 100
-10 ≤ cada entrada, peso e viés ≤ 10
Exemplos
Entrada:
bias = 0.5
inputs = [1.0, 2.0, 3.0]
weights = [0.2, 0.4, 0.6]
Saída esperada:
expected = 0.964429Entrada:
double bias = 0.5;
std::vector<double> inputs = {1.0, 2.0, 3.0};
std::vector<double> weights = {0.2, 0.4, 0.6};
Saída 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};
Saída esperada:
double expected = 0.964429;Explicação
z = 1×0.2 + 2×0.4 + 3×0.6 + 0.5 = 3.3, e sigmoid(3.3) ≈ 0.964429.
Entrada:
bias = 0.0
inputs = [0.5, -1.0]
weights = [2.0, 1.0]
Saída esperada:
expected = 0.5Entrada:
double bias = 0.0;
std::vector<double> inputs = {0.5, -1.0};
std::vector<double> weights = {2.0, 1.0};
Saída 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};
Saída esperada:
double expected = 0.5;Explicação
z = 0.5×2 + (-1)×1 + 0 = 0, e sigmoid(0) = 0.5: o neurônio está exatamente indeciso.
Como abordar
Tente sozinho primeiro e depois abra uma dica de cada vez.
Dica 1
Isso é só uma soma ponderada das entradas mais um bias, seguida de um único sigmoid.
Dica 2
Emparelhe cada entrada com seu peso correspondente e acumule os produtos antes de somar o bias.
Dica 3
Cuidado para a saída final passar pelo sigmoid, e não ser retornada como soma bruta.
Complexidade esperada
tempo O(n), espaço extra O(1)
Referências
Este desafio foi adaptado para o CodeUtility. Siga o enunciado e as restrições acima.