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)