sigmoid函数

在信息科学中，由于其单增以及反函数单增等性质，Sigmoid函数常被用作神经网络的激活函数，将变量映射到0-1之间。用于隐层神经元输出，它可以将一个实数映射到（0，1）的区间，可以用来做二分类。

优点：平滑、易于求导

缺点：激活函数计算量大，反向传播时，很容易出现梯度消失的情况，从而无法完成 **深层**网络的训练

公示：