sigmoid neurons（激活函数）

在perception中，如果只是随意改变一个权重，使结果朝着自己想要的方向发展（如数字识别将“8”误认为“9”，对此进行修改），可能会引起其他识别结果的剧烈变化，如原来识别正确的都变错了。

因此，引入sigmoid neuron的概念
介绍：

和介绍perception 一样，sigmoid 具有输入x1,x2,x3 只是输入不是局限于0和1，可以是0和1之间的任何数。sigmoid有权重w1,w2和偏置b，输出不再是0和1，而是


当z接近正无穷大，输出约为1；当z接近负无穷大，输出约为0。只有当z取中间值时，输出才有所不同。

函数图形：

这是对阶跃函数的平滑

sigmoid的平滑意味着权重和偏置的较小变化(