写出使用梯度下降优先算法的单层神经网络伪代码

以下是使用梯度下降算法的单层神经网络的伪代码：

输入: 
- 训练数据集 D = {(x1, y1), (x2, y2), ..., (xm, ym)}
- 学习率 alpha
- 迭代次数 iterations

输出:
- 模型参数 w 和 b

初始化:
- w = [w1, w2, ..., wn], b = 0

Repeat 迭代次数 iterations 次:
    for i in range(m):
        # 前向传播
        z = w * x[i] + b
        a = sigmoid(z)
        
        # 计算梯度
        dz = a - y[i]
        dw = x[i] * dz
        db = dz
        
        # 更新参数
        w = w - alpha * dw
        b = b - alpha * db
    
返回 w 和 b

其中，sigmoid 函数为：

sigmoid(z) = 1 / (1 + exp(-z))