這個計算器的用途
本工具用來計算含增益參數的邏輯 Sigmoid 函數二階導數，記為 \(s''_a(x)\)，可在指定點 \(x\) 與所選增益 \(a\)（即斜率參數，常稱為 alpha）下求值。邏輯 Sigmoid 是神經網路與統計模型中最常見的激活函數之一，它的各階導數在以梯度為基礎的訓練及曲率分析中無所不在。
計算公式
增益為 \(a\) 的 Sigmoid 函數為 \(s_a(x) = \frac{1}{1 + e^{-a x}}\)。其一階導數為 \(s'_a(x) = a \cdot s \cdot (1 - s)\)，二階導數則為 $$s''_a(x) = a^2 \, s \, (1 - s)(1 - 2s)$$ 其中 \(s = s_a(x)\)。由於所有結果都能以 \(s\) 表示，本計算器會先求出 \(s\)，再用同一個 \(s\) 同時算出兩階導數。分母 \(1 + e^{-a x}\) 恆為正值，因此完全不會出現除以零的問題。
使用方法
輸入增益 \(a\)（預設為 1）與求值點 \(x\)（預設為 0.5），即可讀取 Sigmoid 值、一階導數以及最主要的二階導數結果。若要找出反曲點，請留意：\(s''_a(x) = 0\) 恰好發生在 \(s = 0.5\) 的位置，而不論增益 \(a\) 為何，這都對應到 \(x = 0\)。
範例試算
當 \(a = 1\)、\(x = 0.5\) 時：\(e^{-0.5} = 0.606531\)，因此 \(s = \frac{1}{1.606531} = 0.622459\)。接著 \(1 - s = 0.377541\)，故 \(s' = 1 \times 0.622459 \times 0.377541 = 0.235004\)。最後 \(1 - 2s = -0.244919\)，得到 $$s'' = 1 \times 0.235004 \times (-0.244919) = -0.057557$$
常見問題
增益 \(a\) 有什麼作用？它用來縮放 Sigmoid 曲線的陡峭程度；\(a\) 越大，轉折越急遽。若設 \(a = 0\)，則處處 \(s = 0.5\)，因此兩階導數都會是 0。
二階導數在哪裡為零？在 \(x = 0\) 這個反曲點，正是 Sigmoid 由凸轉凹的位置。
數值上穩定嗎？是的——當 \(a x\) 為負值時，計算器會改用等價形式 \(\frac{e^{a x}}{1 + e^{a x}}\)，以避免指數運算溢位。
