关于修正 sigmoid 函数以提高物理信息神经网络的准确性

本文研究了一层隐藏层的神经网络及其修正激活函数，用于解决物理问题。提出了一种修正的 sigmoid 激活函数，并展示了物理信息驱动的数据初始化算法及逐神经元的无梯度拟合方法。数值实验表明，具有修正 sigmoid 函数的神经网络在解决物理问题的准确性上优于传统的 sigmoid 函数神经网络。