ฟังก์ชันซิกมอยด์


ฟังก์ชันซิกมอยด์คือฟังก์ชันทางคณิตศาสตร์ ใดๆ ที่กราฟมีลักษณะเป็นเส้นโค้งรูปตัว S หรือเส้นโค้งซิกมอยด์
ตัวอย่างที่พบได้ทั่วไปของฟังก์ชันซิกมอยด์คือฟังก์ชันโลจิสติก
ฟังก์ชันซิกมอยด์อื่นๆ จะแสดงอยู่ในส่วนตัวอย่างในบางสาขา โดยเฉพาะอย่างยิ่งในบริบทของโครงข่ายประสาทเทียมคำว่า "ฟังก์ชันซิกมอยด์" ถูกใช้เป็นคำพ้องความหมายกับ "ฟังก์ชันโลจิสติก"
กรณีพิเศษของฟังก์ชันซิกมอยด์ ได้แก่เส้นโค้งกอมเพิร์ตซ์ (ใช้ในการจำลองระบบที่อิ่มตัวที่ค่าx สูง ) และเส้นโค้งโอจี (ใช้ในทางระบายน้ำของเขื่อน บางแห่ง ) ฟังก์ชันซิกมอยด์มีโดเมนเป็นจำนวนจริง ทั้งหมด โดยค่าส่งคืน (การตอบสนอง) มัก จะ เพิ่มขึ้นอย่างต่อเนื่องแต่ก็อาจลดลงได้ ฟังก์ชันซิกมอยด์ส่วนใหญ่มักแสดงค่าส่งคืน ( แกน y ) ในช่วง 0 ถึง 1 อีกช่วงหนึ่งที่นิยมใช้คือตั้งแต่ -1 ถึง 1
นอกจากนี้ยังมีฟังก์ชันขั้นบันไดของเฮวิไซด์ซึ่งเปลี่ยนค่าระหว่าง 0 และ 1 อย่างทันทีทันใด
ฟังก์ชันซิกมอยด์หลากหลายชนิด รวมถึงฟังก์ชันโลจิสติกและ ฟังก์ชัน ไฮเปอร์โบลิกแทนเจนต์ถูกนำมาใช้เป็นฟังก์ชันกระตุ้นของเซลล์ประสาทเทียมเส้นโค้งซิกมอยด์ยังพบได้ทั่วไปในทางสถิติในฐานะฟังก์ชันการกระจายสะสม (ซึ่งมีค่าตั้งแต่ 0 ถึง 1) เช่น อินทิกรัลของความ หนาแน่นโลจิสติก ความหนาแน่นปกติและฟังก์ชันความหนาแน่นความน่าจะเป็นของสตูเดนต์ฟังก์ชันซิกมอยด์โลจิสติกสามารถผกผันได้ และฟังก์ชันผกผันของมันคือฟังก์ชันโลจิต
ทฤษฎี
ในทางคณิตศาสตร์ฟังก์ชันซิกมอยด์เอกภาพคือฟังก์ชันประเภทซิกมอยด์ที่มีขอบเขตซึ่งถูกทำให้เป็นมาตรฐานในช่วงหน่วย โดยทั่วไปจะมีเส้นกำกับล่างและบนที่ 0 และ 1 ทฤษฎีที่เสนอโดย Grebenc [ 1 ] จำแนกฟังก์ชันซิกมอยด์ เอกภาพออกเป็นสามประเภทตามพฤติกรรมเชิงเส้นกำกับและการมีหรือไม่มีการแกว่งใกล้เส้นกำกับ
รูปแบบทั่วไปของฟังก์ชันซิกมอยด์แบบเอกภาพคือ
ที่ไหนเป็นฟังก์ชันซิกมอยด์ที่เพิ่มขึ้นเป็นการแปลงค่าของตัวแปรอิสระ และและเป็นค่าคงที่ที่ควบคุมการปรับขนาดและการเลื่อนตำแหน่ง
การจำแนกประเภท
ประเภทที่ 1
ฟังก์ชันซิกมอยด์เอกภาพชนิดแรกคือ ฟังก์ชันเพิ่มขึ้นที่มีขอบเขต ซึ่งเข้าใกล้เส้นกำกับล่างและเส้นกำกับบนอย่างเป็นเอกภาพ โดยไม่มีการแกว่ง ฟังก์ชันประเภทนี้รวมถึงฟังก์ชันซิกมอยด์มาตรฐานหลายฟังก์ชันที่ใช้ในสถิติ ชีวคณิตศาสตร์ และวิศวกรรม เช่น ฟังก์ชันโลจิสติกและฟังก์ชันที่เกี่ยวข้องอื่นๆ
ชนิดที่ 2
ฟังก์ชันซิกมอยด์เอกภาพชนิดที่สองคือ ฟังก์ชันเพิ่มขึ้นที่มีขอบเขต ซึ่งแกว่งไปมาใกล้เส้นกำกับบนในขณะที่ยังคงรักษาการเปลี่ยนผ่านแบบซิกมอยด์โดยรวมไว้
ประเภทที่ 3
ฟังก์ชันซิกมอยด์เอกภาพชนิดที่สามเป็นฟังก์ชันเพิ่มขึ้นที่มีขอบเขตจำกัด ซึ่งมีการแกว่งตัวใกล้กับเส้นกำกับล่างและเส้นกำกับบน ฟังก์ชันเหล่านี้ยังคงรักษารูปทรงโดยรวมของเส้นโค้งซิกมอยด์ไว้ แต่แสดงพฤติกรรมการแกว่งตัวในบริเวณใกล้เคียงกับสถานะจำกัดทั้งสอง

อนุกรมวิธาน
ตารางด้านล่างแสดงการจำแนกประเภทของฟังก์ชันซิกมอยด์เอกภาพทั้งสามประเภท
ตารางที่ 1.เมทริกซ์จำแนกประเภทพร้อมตัวอย่างฟังก์ชันซิกมอยด์ชนิดที่ 1
| เลขที่ | ประเภทของฟังก์ชันซิกมอยด์ | ช่วงเวลาที่ไม่จำกัด | ช่วงกึ่งจำกัด | ช่วงเวลาหน่วย |
|---|---|---|---|---|
| 1 | มีเหตุผล | (เอลเลียต[ 2 ] ) | ||
| 2 | ไร้เหตุผล | (พีชคณิต)(ริชาร์ดส์[ 3 ] ) | ||
| 3 | เลขชี้กำลัง | (โลจิสติกส์/เวอร์ฮุลสต์[ 4 ] )(ลาปลาซ [ 5 ] ) | ;(เรย์ลีห์[ 6 ] ) | |
| 4 | ลอการิทึม | |||
| 5 | ตรีโกณมิติ | |||
| 6 | ตรีโกณมิติผกผัน | (ลอเรนซ์[ 7 ] ) | ||
| 7 | ไฮเปอร์โบลิก | (ล็อก-โลจิสติก[ 8 ] ) | ||
| 8 | ไฮเปอร์โบลิกผกผัน | |||
| 9 | พิเศษ | (ปกติ[ 9 ] [ 10 ] ) | (ลอการิทึมปกติ[ 11 ] ) | |
| 10 | สุ่ม | — | — | |
| 11 | วุ่นวาย | (เกรเบนซ์[ 12 ] ) | — | — |
ตารางที่ 2เมทริกซ์จำแนกประเภทพร้อมตัวอย่างฟังก์ชันซิกมอยด์ชนิดที่ 2 บนช่วงไม่จำกัด
| เลขที่ | ประเภทของฟังก์ชันซิกมอยด์ | ช่วงเวลาที่ไม่จำกัด | คำอธิบาย |
|---|---|---|---|
| 1 | ฟังก์ชันทั้งหมดจากตารางที่ 1 | การเพิ่มไปยังฟังก์ชันต่างๆจากคอลัมน์ที่ 3 ของตารางที่ 1 ซึ่งคือฟังก์ชัน Airy AI | |
| 2 | พิเศษ | ||
| 3 | พิเศษ | ,คืออินทิกรัลเฟรสเนล | |
| 4 | พิเศษ | ||
| 5 | พิเศษ | เป็นฟังก์ชันเบสเซล เจ |
ตารางที่ 3เมทริกซ์จำแนกประเภทพร้อมตัวอย่างฟังก์ชันซิกมอยด์ชนิดที่ 3
| เลขที่ | พิมพ์ | ช่วงเวลาที่ไม่จำกัด | คำอธิบาย |
|---|---|---|---|
| 1 | พิเศษ | การเพิ่มไปยังฟังก์ชันต่างๆจากคอลัมน์ที่ 3 ของตารางที่ 1 ซึ่งคือฟังก์ชันอินทิกรัลไซน์ | |
| 2 | พิเศษ | การเพิ่มไปยังฟังก์ชันต่างๆจากคอลัมน์ที่ 3 ของตารางที่ 1 ซึ่งคือฟังก์ชันอินทิกรัลโคไซน์ | |
| 3 | พิเศษ | คือปริพันธ์เฟรสเนล เอส | |
| 4 | พิเศษ | คือปริพันธ์ Fresnel C |
วิธีการก่อสร้าง
ทฤษฎีเดียวกันนี้นำเสนอรายการ วิธี การสร้างฟังก์ชันซิกมอยด์30 วิธี[ 1 ]ซึ่งรวมถึงการแปลงพีชคณิต วิธีการอินทิเกรตและการสังเคราะห์ การสร้างจากฟังก์ชันรูปทรงระฆัง วิธีแก้ปัญหาของสมการเชิงอนุพันธ์สามัญและเชิงอนุพันธ์ย่อย แผนการเรียกซ้ำ สมการเชิงอนุพันธ์สุ่ม ระบบป้อนกลับ และระบบอลวน
- M0: วิธีการสร้างฟังก์ชันซิกมอยด์ไม่ชัดเจนหรือไม่เป็นไปตามสัญชาตญาณ
- M1: ฟังก์ชันผกผันของฟังก์ชันเอกฐาน
- M2: ฟังก์ชันซิกมอยด์ของฟังก์ชันบวกที่ฝังตัวอยู่
- M3: การยกกำลังฟังก์ชันซิกมอยด์
- M4: การยกกำลังฟังก์ชันซิกมอยด์
- M5: ฟังก์ชันซิกมอยด์สมมาตรที่ได้มาจากฟังก์ชันซิกมอยด์อสมมาตร
- M6: ฟังก์ชันซิกมอยด์ของตัวแปรอิสระผกผัน
- M7: การฝังฟังก์ชันซิกมอยด์ลงในฟังก์ชันอื่น
- M8: ผลรวมของฟังก์ชันซิกมอยด์
- M9: การคูณฟังก์ชันซิกมอยด์
- M10: อินทิกรัลของผลคูณของฟังก์ชันเพิ่มขึ้นและฟังก์ชันลดลง
- M11: การหาอนุพันธ์จากฟังก์ชันแลมบ์ดา (รูปทรงระฆัง)
- M12: การอินทิเกรตฟังก์ชันแลมบ์ดา (รูปทรงระฆัง)
- M13: การอินทิเกรตผลรวมของฟังก์ชันแลมบ์ดา (รูปทรงระฆัง)
- M14: การอินทิเกรตผลคูณของฟังก์ชันแลมบ์ดา (รูปทรงระฆัง) สองฟังก์ชัน
- M15: การหาปริพันธ์ของผลต่างของฟังก์ชันซิกมอยด์ที่เลื่อนตำแหน่งสองฟังก์ชัน
- M16: การหาปริพันธ์ของผลคูณของฟังก์ชันซิกมอยด์ที่เลื่อนตำแหน่งสองฟังก์ชัน
- M17: การสังเคราะห์ฟังก์ชันซิกมอยด์
- M18: การอินทิเกรตผลคูณของฟังก์ชันแลมบ์ดาและฟังก์ชันซิกมอยด์
- M19: วิธีแก้สมการเชิงอนุพันธ์สามัญ
- M20: การแก้สมการเชิงอนุพันธ์ย่อย (PDE)
- M21: วิธีแก้สมการเชิงอนุพันธ์เชิงฟังก์ชัน (FDE)
- M22: ผลรวมของฟังก์ชันซิกมอยด์และอนุพันธ์บางส่วน
- M23: การรวมกันของฟังก์ชันซิกมอยด์ อนุพันธ์ และปริพันธ์ของฟังก์ชันดังกล่าว
- M24: การกรองฟังก์ชันซิกมอยด์
- M25: กรณีพิเศษของฟังก์ชันไฮเปอร์จีโอเมตริกของเกาส์
- M26: ระบบวงปิดป้อนกลับ
- M27: ฟังก์ชันเรียกซ้ำ
- M28: วงจรป้อนกลับแบบหน่วงเวลาแบบเรียกซ้ำ
- M29: วิธีแก้สมการเชิงอนุพันธ์สุ่ม
- M30: ฟังก์ชันซิกมอยด์แบบอลวน
โปรดดูเอกสารอ้างอิง[ 1 ]สำหรับรายละเอียดเพิ่มเติม
คำนิยาม
ฟังก์ชันซิกมอยด์เป็น ฟังก์ชันจริงที่ มีขอบเขตสามารถหาอนุพันธ์ได้และกำหนดไว้สำหรับค่าอินพุตจริงทั้งหมด และมีอนุพันธ์เป็นบวกที่แต่ละจุด[ 13 ] [ 14 ]
คุณสมบัติ
โดยทั่วไป ฟังก์ชันซิกมอยด์เป็นฟังก์ชันโมโนโทนิกและมีอนุพันธ์ อันดับแรก ที่มีรูปร่างคล้ายระฆังในทางกลับกัน อินทิกรัลของฟังก์ชันต่อเนื่องที่ไม่เป็นลบและมีรูปร่างคล้ายระฆัง (ที่มีค่าสูงสุดเฉพาะที่หนึ่งค่าและไม่มีค่าต่ำสุดเฉพาะที่ เว้นแต่จะ เป็น ฟังก์ชันเสื่อมสภาพ ) จะเป็นฟังก์ชันซิกมอยด์ ดังนั้นฟังก์ชันการกระจายสะสมสำหรับความน่าจะ เป็นทั่วไปหลายๆ แบบ จึงเป็นฟังก์ชันซิกมอยด์ ตัวอย่างหนึ่งคือฟังก์ชันความคลาดเคลื่อนซึ่งมีความสัมพันธ์กับฟังก์ชันการกระจายสะสมของความน่าจะเป็นแบบปกติอีกตัวอย่างหนึ่งคือ ฟังก์ชัน อาร์กแทนซึ่งมีความสัมพันธ์กับฟังก์ชันการกระจายสะสมของความน่าจะเป็นแบบโคชี
ฟังก์ชันซิกมอยด์ถูกจำกัดด้วย เส้นกำกับแนวนอนคู่หนึ่งดังนี้.
ฟังก์ชันซิกมอยด์จะเป็นฟังก์ชันนูนสำหรับค่าที่น้อยกว่าจุดที่กำหนด และจะเป็นฟังก์ชันเว้าสำหรับค่าที่มากกว่าจุดนั้น ในตัวอย่างหลายๆ ตัวอย่างที่แสดงไว้ที่นี่ จุดนั้นคือ 0
ตัวอย่าง

- ฟังก์ชันโลจิสติกส์
- ฟังก์ชันแทนเจนต์ไฮเปอร์โบลิก (เวอร์ชันที่เลื่อนและปรับขนาดของฟังก์ชันโลจิสติกด้านบน)
- ฟังก์ชันอาร์กแทงเจนต์
- ฟังก์ชันกูเดอร์มันเนียน
- ฟังก์ชันข้อผิดพลาด
- ฟังก์ชันโลจิสติกส์ทั่วไป
- ฟังก์ชันSmoothstep
- ตัวอย่างเช่นฟังก์ชันพีชคณิตบาง ฟังก์ชัน
- และในรูปแบบทั่วไปมากขึ้น[ 15 ]
- เมื่อพิจารณาถึงการเลื่อนและการปรับขนาดแล้ว ฟังก์ชันซิกมอยด์จำนวนมากเป็นกรณีพิเศษของที่ไหนคือค่าผกผันของการแปลง Box–Cox เชิงลบ และและเป็นพารามิเตอร์รูปร่าง[ 16 ]
- ฟังก์ชันการเปลี่ยนผ่านที่ราบรื่น[ 17 ]ปรับให้เป็นมาตรฐานที่ (−1,1):
โดยใช้ฟังก์ชันแทนเจนต์ไฮเปอร์โบลิกที่กล่าวถึงข้างต้น ในที่นี้เป็นพารามิเตอร์อิสระที่เข้ารหัสความชันที่ซึ่งจะต้องมากกว่าหรือเท่ากับเนื่องจากค่าที่น้อยกว่านี้จะทำให้ฟังก์ชันมีจุดเปลี่ยนเว้าหลายจุด ซึ่งจึงไม่ใช่ฟังก์ชันซิกมอยด์ที่แท้จริง ฟังก์ชันนี้มีความพิเศษตรงที่มันมีค่าจำกัดที่ −1 และ 1 ภายในช่วงที่จำกัด หมายความว่าค่าของมันคงที่ที่ −1 สำหรับทุกค่าและที่ 1 สำหรับทุกคนอย่างไรก็ตาม มันเป็นฟังก์ชันเรียบ (สามารถหาอนุพันธ์ได้ไม่จำกัดจำนวนครั้ง)) ทุกที่รวมถึงที่.
แอปพลิเคชัน

กระบวนการทางธรรมชาติหลายอย่าง เช่นเส้นโค้งการเรียนรู้ ของระบบที่ซับซ้อน แสดงให้เห็นถึงความก้าวหน้าจากจุดเริ่มต้นเล็กๆ ที่เร่งตัวขึ้นและเข้าใกล้จุดสูงสุดเมื่อเวลาผ่านไป[ 18 ]เมื่อไม่มีแบบจำลองทางคณิตศาสตร์ที่เฉพาะเจาะจง มักจะใช้ฟังก์ชันซิกมอยด์[ 19 ]
แบบจำลอง van Genuchten–Guptaมีพื้นฐานมาจากเส้นโค้งรูปตัว S กลับหัว และนำมาประยุกต์ใช้กับการตอบสนองของผลผลิตพืชต่อความเค็มของดิน
ตัวอย่างการประยุกต์ใช้เส้นโค้งรูปตัว S แบบโลจิสติกส์กับผลตอบสนองของผลผลิตพืช (ข้าวสาลี) ต่อทั้งความเค็มของดินและความลึกของระดับน้ำใต้ดินในดิน แสดงไว้ในการสร้างแบบจำลองผลตอบสนองของพืชในด้านการเกษตร
ในโครงข่ายประสาทเทียมบางครั้งมีการใช้ฟังก์ชันที่ไม่เรียบเพื่อเพิ่มประสิทธิภาพ ซึ่งฟังก์ชันเหล่านี้เรียกว่าฮาร์ดซิกมอยด์ (hard sigmoids )
ใน การ ประมวลผลสัญญาณเสียงฟังก์ชันซิกมอยด์ถูกใช้เป็นฟังก์ชันถ่ายโอนรูปคลื่น เพื่อจำลองเสียงของการตัดวงจรอนาล็อก [ 20 ]
โดยทั่วไป ในการประมวลผลสัญญาณดิจิทัลฟังก์ชันซิกมอยด์ เนื่องจากมีลำดับความต่อเนื่องที่สูงกว่า จึงมีการลดลงอย่างรวดเร็วในโดเมนความถี่มากกว่าฟังก์ชันขั้นบันไดของ Heavyside และด้วยเหตุนี้จึงมีประโยชน์ในการทำให้ความไม่ต่อเนื่องเรียบขึ้นก่อนการสุ่มตัวอย่างเพื่อลดการเกิดเอเลียสซิ่ง ตัวอย่างเช่น ใช้ในการสร้างคลื่นสี่เหลี่ยมในเครื่องสังเคราะห์เสียงดิจิทัล หลาย ประเภท
ในสาขาชีวเคมีและเภสัชวิทยาสมการฮิลล์และสมการฮิลล์-แลงมัวร์เป็นฟังก์ชันซิกมอยด์
ในการขับรถการเปลี่ยนเลนทำได้อย่างราบรื่นโดยการเคลื่อนที่ตามเส้นโค้งรูปตัว S
ในกราฟิกคอมพิวเตอร์และการเรนเดอร์แบบเรียลไทม์ ฟังก์ชันซิกมอยด์ถูกใช้เพื่อผสมสีหรือรูปทรงเรขาคณิตระหว่างสองค่า ทำให้เกิดการเปลี่ยนผ่านที่ราบรื่นโดยไม่มีรอยต่อหรือความไม่ต่อเนื่องที่มองเห็นได้
เส้นกราฟการไทเทรตระหว่างกรดแก่และเบสแก่จะมีรูปร่างคล้ายตัว S เนื่องจากมาตราส่วนpH มีลักษณะเป็น ลอการิทึม
ฟังก์ชันโลจิสติกส์สามารถคำนวณได้อย่างมีประสิทธิภาพโดยใช้Unum ประเภท III [ 21 ]
ลำดับชั้นของแบบจำลองการเติบโตแบบซิกมอยด์ที่มีความซับซ้อนเพิ่มขึ้น (จำนวนพารามิเตอร์) ถูกสร้างขึ้น[ 22 ]โดยมีเป้าหมายหลักเพื่อวิเคราะห์ข้อมูลจลนศาสตร์ใหม่ ซึ่งเรียกว่าเส้นโค้ง Nt จากการทดลองการเกิดนิวเคลียส แบบไม่เป็นเนื้อเดียวกัน [ 23 ]ในเคมีไฟฟ้าลำดับชั้นนี้ประกอบด้วยแบบจำลองสามแบบในปัจจุบัน โดยมี 1, 2 และ 3 พารามิเตอร์ หากไม่นับจำนวนนิวเคลียสสูงสุด N ตามลำดับ ได้แก่ แบบจำลองที่ใช้tanh 2 ที่เรียกว่า α [ 24 ]ซึ่งเดิมทีคิดค้นขึ้นเพื่ออธิบายการเติบโตของผลึกที่จำกัดการแพร่กระจาย (ไม่ใช่การรวมตัว!) ใน 2 มิติแบบ จำลอง Johnson–Mehl–Avrami–Kolmogorov (JMAK) [ 25 ]และแบบจำลอง Richards [ 26 ]แสดงให้เห็นว่าสำหรับวัตถุประสงค์ที่เฉพาะเจาะจง แม้แต่แบบจำลองที่ง่ายที่สุดก็ใช้งานได้ และด้วยเหตุนี้จึงถือว่าการทดลองที่นำมาทบทวนเป็นตัวอย่างของการเกิดนิวเคลียสแบบสองขั้นตอน โดยขั้นตอนแรกคือการเติบโตของเฟสที่ไม่เสถียรซึ่งนิวเคลียสของเฟสที่เสถียรจะก่อตัวขึ้น[ 22 ]
ดูเพิ่มเติม
- ฟังก์ชันขั้นบันได – การรวมกันเชิงเส้นของฟังก์ชันตัวบ่งชี้ในช่วงเวลาจริง
- ฟังก์ชันเครื่องหมาย – ฟังก์ชันที่ส่งค่ากลับเป็นลบ 1, ศูนย์ หรือบวก 1
- ฟังก์ชันขั้นบันไดของ Heaviside – ฟังก์ชันบ่งชี้ของตัวเลขบวก
- การถดถอยโลจิสติก – แบบจำลองทางสถิติสำหรับตัวแปรตามแบบไบนารี
- โลจิต – ฟังก์ชันในทางสถิติ
- ฟังก์ชัน Softplus – ฟังก์ชันการปรับความลาดชันอย่างราบรื่นหน้าเว็บที่แสดงคำอธิบายสั้น ๆ ของเป้าหมายการเปลี่ยนเส้นทาง
- ฟังก์ชัน Softmax – การประมาณค่าสูงสุดของอาร์กิวเมนต์แบบ one-hot อย่างราบเรียบ
- ฟังก์ชัน Swish – ฟังก์ชันการกระตุ้นทางคณิตศาสตร์ในการวิเคราะห์ข้อมูล
- การแจกแจงไวบูล – การแจกแจงความน่าจะเป็นแบบต่อเนื่อง
- สถิติเฟอร์มิ-ดิแรก – คำอธิบายทางสถิติสำหรับพฤติกรรมของเฟอร์มิออน
อ่านเพิ่มเติม
- มิตเชลล์, ทอม เอ็ม. (1997). การเรียนรู้ของเครื่องจักร . WCB McGraw–Hill . ISBN 978-0-07-042807-2.(หมายเหตุ: โปรดดู "บทที่ 4: โครงข่ายประสาทเทียม" (โดยเฉพาะหน้า 96–97) ที่มิทเชลใช้คำว่า "ฟังก์ชันโลจิสติก" และ "ฟังก์ชันซิกมอยด์" ในความหมายเดียวกัน – เขายังเรียกฟังก์ชันนี้ว่า "ฟังก์ชันบีบอัด" – และฟังก์ชันซิกมอยด์ (หรือที่เรียกว่าโลจิสติก) ใช้ในการบีบอัดเอาต์พุตของ "เซลล์ประสาท" ในโครงข่ายประสาทหลายชั้น)
- ฮัมฟรีส์, มาร์ค. "เอาต์พุตต่อเนื่อง ฟังก์ชันซิกมอยด์" . เก็บถาวรจากต้นฉบับเมื่อ 2022-07-14 . เรียกดูเมื่อ2022-07-14 .(หมายเหตุ: คุณสมบัติของฟังก์ชันซิกมอยด์ รวมถึงวิธีที่ฟังก์ชันนี้สามารถเลื่อนไปตามแกนต่างๆ และวิธีที่โดเมนของฟังก์ชันสามารถเปลี่ยนแปลงได้)