initial.

experiments/neuron.py

@@ -0,0 +1,55 @@
+import random
+import math
+
+
+class SimpleNeuron:
+    def __init__(self):
+        # Initialisiere Gewichte und Bias mit Zufallswerten zwischen -0.5 und 0.5
+        self.weights = [random.uniform(-0.5, 0.5) for _ in range(2)]
+        self.bias = random.uniform(-0.5, 0.5)
+
+    def dot(self, input_vector):
+        """
+        Berechnet das Skalarprodukt zwischen dem Eingabevektor und den Gewichten,
+        fügt den Bias hinzu und gibt das Ergebnis zurück.
+        """
+        acc = sum(i * w for i, w in zip(input_vector, self.weights))
+        return acc + self.bias
+
+    def process_input(self, input_vector):
+        """
+        Verarbeitet den Eingabevektor, berechnet den Dot-Produkt,
+        wendet die Aktivierungsfunktion (tanh) an und gibt das Ergebnis zurück.
+        """
+        print("**** Processing ****")
+        print(f"Input: {input_vector}")
+        print(f"Using Weights: {self.weights} and Bias: {self.bias}")
+
+        dot_product = self.dot(input_vector)
+        output = math.tanh(dot_product)
+
+        print(f"Output: {output}")
+        return output
+
+
+def sense(in_neuron, signal):
+    """
+    Diese Funktion überprüft, ob das Signal eine Liste der Länge 2 ist,
+    und sendet es an das Neuron zur Verarbeitung.
+    """
+    if isinstance(signal, list) and len(signal) == 2:
+        output = in_neuron.process_input(signal)
+        print(f"Final Output: {output}")
+    else:
+        print("The Signal must be a list of length 2")
+
+    # Beispiel zur Verwendung:
+
+
+if __name__ == "__main__":
+    # Erstelle ein Neuron
+    neuron = SimpleNeuron()
+
+    # Sende ein Signal (Eingabevektor) an das Neuron
+    test_signal = [0.5, -0.3]  # Beispiel-Eingabe
+    sense(neuron, test_signal)