B. Sigmiod 函数的值 2

内存限制:256 MiB 时间限制:1000 ms 标准输入输出
题目类型:传统 评测方式:无测试数据

题目描述

人工智能/神经网络之所以称为神经网络,是因为其机制与人类的神经细胞的运行机制相似:接受一个信号,然后判断该信号是否能够激活该神经元,数以亿的神经元相互配合,就产生了像人类一样可以思考的智能。

一种判断神经元是否被激活的方法是使用 Sigmiod 函数:

其中,为函数的输入值,为自然常数,约等于

前面我们尝试使用了计算机计算 Sigmoid 函数的值,但是,直接将 x 带入到表达式,有可能会出现溢出的问题:比如当 x = 100 或者 x=-100 。

因此,实际上,会在 x 的绝对值大于 6 时,直接判断:

当 x > 6 时, 直接判断该函数的函数值为准确的 1 。 当 x < -6 时,直接判断该函数的函数值为 准确 的 0 。

现在,希望你可以基于实际的情况,再次计算 Sigmoid 函数的值。

输入格式

从标准输入读取一个双精度浮点数

输出格式

输出Sigmoid函数 的值。

如果 x 的绝对值小于等于 6 ,那么,根据公式计算,结果保留10位小数。

否则,根据题目描述,直接输出一个整数

样例

输入1.0

输出0.731058578630005

解释:当输入 时,根据Sigmoid函数的定义,计算

数据范围与提示

无。