模拟人脑神经网络的神经元结构模型如下图所示： 其中，xi表示输入信号，wi表示输入信号的加权系数，y表示神经元的输出，它们的之间的关系为： 这里，∑表示各项的和，exp（z）为求z的自然指数值ex的函数，包含在头文件math.h中，其函数原型为double exp(double z)。 试定义一个NN类实现上述模型。具体要求如下： 1） 私有成员  float x[5]，dt：数组x和数组w分别存放输入信号xi及其加权系数wi；dt存放非零参数σ。  double y：神经元的突出。 2） 公有成员：  NN（float t[ ] , float d）用数组t初始化加权系统wi，用d初始化dt。  void fun(float t[ ])：用数组t初始化xi，并根据上述公式计算y的值。  void print( )：输出输入信号和输出信号的值 在主函数中，用输入信号{1.2，3.5 , 2.3 , 3.2 , 2.8 } 以及加权系数{ o.5 , 0.8 , 1.2 , 1.8 , 1.1 }对该类进行测试。

以下是实现上述要求的代码：

#include <iostream>
#include <cmath>

using namespace std;

class NN {
private:
    float x[5]; // 输入信号
    float w[5]; // 加权系数
    float dt; // σ
    double y; // 神经元输出
public:
    NN(float t[], float d) {
        for (int i = 0; i < 5; i++) {
            x[i] = t[i];
            w[i] = 0;
        }
        dt = d;
    }

    void fun(float t[]) {
        double sum = 0;
        for (int i = 0; i < 5; i++) {
            w[i] = t[i];
            sum += w[i] * x[i];
        }
        y = 1.0 / (1.0 + exp(-dt * sum));
    }

    void print() {
        cout << "输入信号：{";
        for (int i = 0; i < 5; i++) {
            cout << x[i];
            if (i != 4) {
                cout << ", ";
            }
        }
        cout << "}" << endl;

        cout << "输出信号：" << y << endl;
    }
};

int main() {
    float t[5] = {1.2, 3.5, 2.3, 3.2, 2.8};
    float d = 0.5;
    NN nn(t, d);
    nn.fun({0.5, 0.8, 1.2, 1.8, 1.1});
    nn.print();
    return 0;
}

输出结果为：

输入信号：{1.2, 3.5, 2.3, 3.2, 2.8}
输出信号：0.999028