Искусственный нейрон умножает каждый вход на вес, добавляет смещение и пропускает результат через функцию активации:
z = x₁×w₁ + x₂×w₂ + … + xₙ×wₙ + bias
выход = sigmoid(z) = 1 / (1 + e^(-z))
Реализуйте neuron_output(inputs, weights, bias).
Входные данные
inputs: входные значения.
weights: по одному весу на каждый вход (той же длины, что и inputs).
bias: смещение нейрона.
Выходные данные
Верните выход нейрона — дробное число от 0 до 1.
Ограничения
1 ≤ длина inputs = длина weights ≤ 100
-10 ≤ каждый вход, вес и смещение ≤ 10
Примеры
Ввод:
bias = 0.5
inputs = [1.0, 2.0, 3.0]
weights = [0.2, 0.4, 0.6]
Ожидаемый вывод:
expected = 0.964429Ввод:
double bias = 0.5;
std::vector<double> inputs = {1.0, 2.0, 3.0};
std::vector<double> weights = {0.2, 0.4, 0.6};
Ожидаемый вывод:
double expected = 0.964429;Ввод:
double bias = 0.5;
double[] inputs = new double[] {1.0, 2.0, 3.0};
double[] weights = new double[] {0.2, 0.4, 0.6};
Ожидаемый вывод:
double expected = 0.964429;Пояснение
z = 1×0.2 + 2×0.4 + 3×0.6 + 0.5 = 3.3, и sigmoid(3.3) ≈ 0.964429.
Ввод:
bias = 0.0
inputs = [0.5, -1.0]
weights = [2.0, 1.0]
Ожидаемый вывод:
expected = 0.5Ввод:
double bias = 0.0;
std::vector<double> inputs = {0.5, -1.0};
std::vector<double> weights = {2.0, 1.0};
Ожидаемый вывод:
double expected = 0.5;Ввод:
double bias = 0.0;
double[] inputs = new double[] {0.5, -1.0};
double[] weights = new double[] {2.0, 1.0};
Ожидаемый вывод:
double expected = 0.5;Пояснение
z = 0.5×2 + (-1)×1 + 0 = 0, и sigmoid(0) = 0.5: нейрон находится ровно в нерешительности.
Как подступиться
Сначала попробуйте сами, затем открывайте подсказки по одной.
Подсказка 1
Это просто взвешенная сумма входов плюс bias, а затем один sigmoid.
Подсказка 2
Сопоставьте каждый вход с его весом и накапливайте произведения перед добавлением bias.
Подсказка 3
Не забудьте, что финальный выход нужно пропустить через sigmoid, а не возвращать как сырой sum.
Ожидаемая сложность
время O(n), доп. память O(1)
Ссылки
Это задание адаптировано для CodeUtility. Следуйте условию и ограничениям выше.