neural-network模型中，在產生一個輸出值前units轉換它們的net-input數值為一個activation value並視為一個中介的步驟。很多架構省略這個中介的步驟並且直接到輸出值的產生。在這裡，先忽略這個activation value的複雜度，我們首要的工作是output value輸出值的產生。我們以一個微分方程式的形式來表示一個unit的output value。就好像是生物學中所提的同等事物一樣，units的輸出值是時間的動態函數。-neural-network mo

输入不超过1000的正整数，输出n!=1X2X3....Xn的精确结果 1000!大约等于4*10^2567，因此可以用一个3000个元素的数组f保存，为了方便我们从低位起保存位数据，再倒序输出，即f[0]保存个位，其他类推 每次只需要模拟手算即可完成n!，输出时要忽略前导0-Enter a positive integer less than 1000, Output n! = 1X2X3 .... Xn accurate results 1000! Approximately equ