sigmoid激活函数

sigmoid函数是一种常用的激活函数，它可以将输入的数值压缩到0到1之间。其数学表达式为：

$$f(x) = \frac{1}{1+e^{-x}}$$

其中，$x$是输入值，$e$是自然常数。sigmoid函数的输出值域为(0, 1)。

在神经网络中，sigmoid函数常被用于二分类问题的输出层，它可以把输出值映射到0到1之间，表示某个类别的概率。但是，sigmoid函数存在梯度消失的问题，当输入值很大或很小时，导数值接近于0，导致训练过程中梯度无法传递到更深的层次，影响模型的训练效果。因此，在一些情况下，更加稳定的激活函数如ReLU被广泛应用。