在反向传播中计算误差时，你会使用 (目标输出 – 实际输出) * 实际输出 * (1 – 实际输出)。

那么，实际输出 * (1 – 实际输出) 解决了什么问题呢？

难道 [目标输出 – 实际输出] 不就是输出错误的量吗？

回答：

它解决了神经元输出相对于当前激活水平的导数问题。如果你使用 逻辑 sigmoid 作为激活函数，那么如果 f(x) 是激活 x 的 sigmoid 输出，其导数 df/dx 等于 f(x)(1 - f(x))。

在反向传播方程中，为了确定应该改变权重多少，你需要估计输出对激活变化的敏感程度。这正是这个项提供的功能。