Question

神经网络中为什么要用sigmoid函数？

书上介绍的时候都是直接就提出sigmoid函数，但是没有说明为什么要用这个函数，以及这个函数是怎么来的？有谁能解释一下吗？复制粘贴的就不要了，就是简单说明一下为什么要用这个函数，是因为它有什么重要的特性？谢谢啦

Answer 1

Sigmoid函数,即f(x)=1/(1+e-x).神经元的非线性作用函数.
人工神经网络的学习算法-BP算法
神经网络的学习是基于一组样本进行的,它包括输入和输出（这里用期望输出表示）,输入和输出有多少个分量就有多少个输入和输出神经元与之对应.最初神经网络的权值（Weight）和阈值（Threshold）是任意给定的,学习就是逐渐调整权值和阈值使得网络的实际输出和期望输出一致.
我们假设样本有P个,输入层有N个神经元,隐含层有K个神经元,输出层有M个神经元.Xj为输入层神经元j的输入,Hj为隐含层神经元j的输出,Fj为输出层神经元j的实际输出,Rj为输出层神经元j的期望输出,前一层的输出即为后一层的输入.Whji是输入层神经元i与隐含层神经元j之间的连接权值,Thj是隐含神经元j的阈值,Woji是隐含层神经元i与输出层神经元j之间的连接权值,Toj是输出神经元j的阈值.神经元的非线性作用函数是Sigmoid函数,即f(x)=1/(1+e-x).

Answer 2

抑制两头，对中间细微变化敏感。使NN对特征识别度更好

Answer 3

就是把数据归一化，有利于训练，产生结果。
当然可以不用归一化。

追问

那要归一化为什么不用别的函数？那么多函数干嘛就选这个？

追答

不为什么。人家喜欢用这个，你看着不喜欢，可以用你自己的函数。

追问

额，算了我再看看别人怎么回答吧，不好意思