โจทย์
นิวรอนเทียมจะนำอินพุตแต่ละตัวคูณกับน้ำหนัก บวกไบแอส แล้วส่งผลลัพธ์ผ่านฟังก์ชันกระตุ้น:
z = x₁×w₁ + x₂×w₂ + … + xₙ×wₙ + bias
เอาต์พุต = sigmoid(z) = 1 / (1 + e^(-z))
จงเขียน neuron_output(inputs, weights, bias)
อินพุต
inputs: ค่าอินพุต
weights: น้ำหนักหนึ่งค่าต่ออินพุตหนึ่งตัว (ความยาวเท่ากับ inputs)
bias: ไบแอสของนิวรอน
เอาต์พุต
คืนค่าเอาต์พุตของนิวรอน เป็นเลขทศนิยมระหว่าง 0 ถึง 1
เงื่อนไข
1 ≤ ความยาวของ inputs = ความยาวของ weights ≤ 100
-10 ≤ อินพุต น้ำหนัก และไบแอสแต่ละค่า ≤ 10
ตัวอย่าง
ตัวอย่างที่ 1
อินพุต:
bias = 0.5
inputs = [1.0, 2.0, 3.0]
weights = [0.2, 0.4, 0.6]
ผลลัพธ์ที่คาดหวัง:
expected = 0.964429อินพุต:
double bias = 0.5;
std::vector<double> inputs = {1.0, 2.0, 3.0};
std::vector<double> weights = {0.2, 0.4, 0.6};
ผลลัพธ์ที่คาดหวัง:
double expected = 0.964429;อินพุต:
double bias = 0.5;
double[] inputs = new double[] {1.0, 2.0, 3.0};
double[] weights = new double[] {0.2, 0.4, 0.6};
ผลลัพธ์ที่คาดหวัง:
double expected = 0.964429;คำอธิบาย
z = 1×0.2 + 2×0.4 + 3×0.6 + 0.5 = 3.3 และ sigmoid(3.3) ≈ 0.964429
ตัวอย่างที่ 2
อินพุต:
bias = 0.0
inputs = [0.5, -1.0]
weights = [2.0, 1.0]
ผลลัพธ์ที่คาดหวัง:
expected = 0.5อินพุต:
double bias = 0.0;
std::vector<double> inputs = {0.5, -1.0};
std::vector<double> weights = {2.0, 1.0};
ผลลัพธ์ที่คาดหวัง:
double expected = 0.5;อินพุต:
double bias = 0.0;
double[] inputs = new double[] {0.5, -1.0};
double[] weights = new double[] {2.0, 1.0};
ผลลัพธ์ที่คาดหวัง:
double expected = 0.5;คำอธิบาย
z = 0.5×2 + (-1)×1 + 0 = 0 และ sigmoid(0) = 0.5: นิวรอนยังตัดสินใจไม่ได้พอดี
แหล่งอ้างอิง
โจทย์นี้ปรับให้เหมาะกับ CodeUtility กรุณาทำตามคำชี้แจงและข้อจำกัดด้านบน