Sigmoid和tanh的异同
计算过程（若有误，请指正）：
1.sigmoid函数
公式：
定义域：R
值域：(0,1)
导数：
导函数定义域：R
导函数值域：(0,0.25]
图像：
2.tanh函数
公式：
定义域：R
值域：(-1,1)
导数：
导函数定义域：R
导函数值域：(0,1]
图像：
都是人工神经网络中的信息传输函数，或称激活函数。
俩函数之间的关系：
由它们的函数和导函数的取值区间可以看出它们为什么会被选做激活函数了。
它们之间存在的细微差别
观察sigmoid和tanh的函数曲线，sigmoid在输入处于[-1,1]之间时，函数值变化敏感，一旦接近或者超出区间就失去敏感性，处于饱和状态，影响神经网络预测的精度值。tanh的输出和输入能够保持非线性单调上升和下降关系，符合BP网络的梯度求解，容错性好，有界，渐进于0、1，符合人脑神经饱和的规律，但比sigmoid函数延迟了饱和期。
其他满足定义域为R，值域为(0,1)的函数
参考资料：
Sigmoid的维基百科链接https://en.wikipedia.org/wiki/Sigmoid_function
Tanh的维基百科链接https://en.wikipedia.org/wiki/Hyperbolic_function
http://blog.sina.com.cn/s/blog_6bb5e91b0102vbbr.html