#include <iostream>
#include <cmath>
#include <ctime>

using namespace std;

double w0, w1, w2, w3, w4, w5; // wagi
double b1, b2, b3; // biasy

double random() // losuje 0.01 - 1.00
    return ((rand()%100)+1)/100.0;
}

double sigmoid(double x) // funkcja aktywuj¹ca
{
    return 1/(1+exp(-x));
}

double derivsigmoid(double x)
{
    return sigmoid(x)*(1-sigmoid(x));
}

double mse_loss(double* y, double* ypred, int n) // n - liczba probek, ypred - wartosci obliczone, y - wartosci docelowe
{
    double result = 0;
    for(int i=0; i<n; i++)
        result+=pow((y[i]-ypred[i]), 2);
    return result/(double)n;
}

double feedforward(double* x) // wynik neuronu
{
    double h0 = sigmoid(w0*x[0] + w1*x[1] + b1);
    double h1 = sigmoid(w2*x[0] + w3*x[1] + b2);
    return sigmoid(w4*h0 + w5*h1 + b2);
}

void train(double* data, double* y, double learn_rate, int epochs, int n)
{
    for(int i=0; i<epochs; i++)
    {

        // inicjacja neuronu + losowanie wag

        // feedforward dla calej sieci
        // calculate mse
        // calculate delta  (W4, W5, B2, H0, H1, W0, W1, B1, W2, W3, B2)
        // aktualizacja wag
    }

    if(epochs%n==0) // co ile n wypisac dane
    {
        //ypred = feedforward()
        //mseloss(y,ypred)
        //print mse, ypred
    }
}

int main()
{
    srand(time(NULL));
    w0 = random();
    w1 = random();
    w2 = random();
    w3 = random();
    w4 = random();
    w5 = random();
    b1 = random();
    b2 = random();
    b3 = random();



}