在深度残差收缩网络中，使用 Sigmoid 函数将输出归一化到 0 和 1 之间的目的是为了限制输出值的范围，并且使得输出可以被解释为概率。这个 Sigmoid 函数的输出可以被看作是一个置信度或者概率的度量，表示某个事件发生的可能性。

在设置阈值时，使用特征图的绝对值乘以一个系数 α 的方式，可以帮助控制模型的灵敏度。这是因为特征图的绝对值反映了特征的强度，而系数 α 则用来调节阈值的大小。通过调整 α 的大小，可以灵活地控制模型对特征的敏感程度，从而适应不同的数据分布和任务要求。

具体来说，当特征的绝对值乘以 α 之后，得到的值可以被看作是一个阈值的候选值。这个阈值可以用来判断特征的重要性或者触发某些操作。使用 Sigmoid 函数对这个阈值进行归一化，可以将其限制在 0 和 1 之间，从而得到一个标准化的阈值，使得模型输出的结果更加可解释和可控。