故事比喻：国王的信任考验（Sigmoid
函数）
在一个古老的王国里，国王要挑选一位新的皇家顾问。但他不会直接做决定，而是根据大臣们的推荐分数，逐渐增加或减少信任，直到做出最终判断。
?
如果大臣们极力推荐（分数很高），国王会完全信任这个人（接近
1），直接任命。
?
如果大臣们强烈反对（分数很低），国王会完全不信任这个人（接近
0），拒绝任命。
?
如果大臣们意见不一，国王会保持中立（0.5
左右），暂时观望，不急于下决定。
这个“信任决策过程”就像
AI
里的“Sigmoid
激活函数”——它能将任何输入分数映射到
0
到
1
之间，让决策变得平滑和可控。
Sigmoid
函数的核心特点：平滑地从
0
变化到
1
在
AI
里，Sigmoid
激活函数的作用类似于国王的信任系统，它不会直接做“非黑即白”的决定，而是让神经元的输出在
0
和
1
之间平滑变化。
1.
输入是大臣的推荐分数（神经元的输入）
想象一个大臣团，每个大臣都可以给候选人一个评分：
?
如果候选人很优秀，大臣们可能给
+10
分。
?
如果候选人很普通，可能给
0
分。
?
如果候选人有问题，可能给
10
分。
比喻：
这些分数就像神经元的输入值，它们可能是正的、负的，或者接近
0。
2.
通过
Sigmoid
函数计算信任度（映射到
0~1
之间）
国王不会直接用大臣们的原始分数，而是用Sigmoid
规则来转换成信任度（0~1）：
?
如果候选人评分特别高（比如
+10），Sigmoid
计算后信任值接近
1
→
几乎100%
信任，直接任命！
?
第589章 国王的信任函数[1/2页]