Corrige

🧠 Challenge V – Artificial Neural Network: Perceptron

📝 Énoncé

L’un des fondements de l’intelligence artificielle est le réseau de neurones, qui est composé d’unités interconnectées appelées neurones.
Un perceptron est le modèle le plus simple de neurone.

Chaque neurone contient :

• Des entrées : inputs
• Des poids : weights
• Un biais : bias
• Une fonction d’activation : f
• Une sortie : output

---

📐 Formule de calcul

Le calcul de la sortie se fait selon la formule :

output = f(Σ(inputs[i] * weights[i]) + bias)

Ensuite, on applique une fonction d’arrondi spéciale pour respecter les contraintes de sortie.

---

🧠 Fonctions d’activation possibles

Fonction	Nom dans l’entrée	Description
Identité	identity	f(x) = x
Sigmoïde	sigmoid	f(x) = 1 / (1 + exp(-x))
Heaviside	heaviside	f(x) = 0 si x < 0, sinon 1
Tanh	tanh	f(x) = tanh(x)
ReLU	relu	f(x) = max(0, x)

---

🔁 Fonction d’arrondi spéciale

Afin de coller aux contraintes du sujet, les sorties doivent être :

• Un entier si possible (ex. 3.00 devient 3)
• Un réel avec 1 ou 2 décimales significatives
• Si le résultat est proche de 0 (ex. 0.0009), retourner 0

🔢 Exemples d’arrondi

Entrée	Sortie attendue
1.158696	1.16
2.0000	2
-1.9999	-2
0.00092	0
3.10	3.1

---

📥 Format d’entrée (STDIN)

n              ← nombre de tests
m              ← taille des vecteurs input et weight
inputs (m)     ← m entiers
weights (m)    ← m entiers
bias           ← entier
f              ← nom de la fonction d’activation
(recommencer pour n tests)

---

📤 Format de sortie

Un entier ou réel arrondi selon les règles, pour chaque test.

---

✅ Exemples

🔢 Input

2
3
1 1 1
1 2 3
1
identity
2
5 6
-2 1
1
relu

🎯 Output

7
0

---

🐍 Implémentation en Python

import math

def Round(x):
    if x == int(x) or int(x)*100 == int(x*100):
        return int(x)
    if (x*10) == int(x*10):
        return round(x, 1)
    return round(x, 2)

def perceptron(inputs, weight, bias, f, m):
    o = bias
    for i in range(m):
        o += inputs[i] * weight[i]
    if f == "sigmoid":
        return Round(1 / (1 + math.exp(-o)))
    if f == "tanh":
        return Round(math.tanh(o))
    if f == "heaviside":
        return 0 if o < 0 else 1
    if f == "relu":
        return Round(max(0, o))
    return Round(o)

if __name__ == "__main__":
    n = int(input())
    for _ in range(n):
        m = int(input())
        inputs = list(map(int, input().split()))
        weights = list(map(int, input().split()))
        bias = int(input())
        f = input().strip().lower()
        print(perceptron(inputs, weights, bias, f, m))

---

📂 ⬅ Retour à la liste des challenges

---