BP神经网络每种传递函数都有自己的特点，输入输出值不同，线性和非线性不同，对于有些模型，需要做出有针对性的调整，需要自定义传递函数，这是修改的原因之一，有些模型，数据有一定的物理意义，或者其他特殊要求，有些因子需要单独处理，这个时候也需要自定义传递函数，这是修改的原因之二，有些时候经过推导，认为某个公式更适合做传递函数，也可以尝试修改和现在的比较比较，这是修改的原因之三。

          首先，要熟悉常见的传递函数，只有熟悉常见的函数，才能理解传递函数的意义，才更容易看懂传递函数的代码，才好修改成自己的函数，BP神经网络常用的传递函数包括Sigmoid函数、Log-sigmoid型函数、tan-sigmoid型函数（tansig）、线性传递函数（purelin）等。‌这些函数各有其特点和适用场景，具体如下：

‌        Sigmoid函数‌：也称为S函数，是BP神经网络中常用的非线性变换函数。它的特点是函数本身及其导数都是连续的，因此在处理上十分方便。Sigmoid函数的取值范围是(0,1)，适用于需要将输入数据映射到(0,1)区间的场景，如二分类问题的输出层。

‌        Log-sigmoid型函数‌：其输入值可取任