這個計算器的用途
本工具用來計算含增益參數的邏輯 Sigmoid 函數二階導數，記為 s''_a(x)，可在指定點 x 與所選增益 a（即斜率參數，常稱為 alpha）下求值。邏輯 Sigmoid 是神經網路與統計模型中最常見的激活函數之一，它的各階導數在以梯度為基礎的訓練及曲率分析中無所不在。
計算公式
增益為 a 的 Sigmoid 函數為 s_a(x) = ((1) ÷ (1 + e^{-a x}))。其一階導數為 s'_a(x) = a · s · (1 - s)，二階導數則為
使用方法
輸入增益 a（預設為 1）與求值點 x（預設為 0.5），即可讀取 Sigmoid 值、一階導數以及最主要的二階導數結果。若要找出反曲點，請留意：s''_a(x) = 0 恰好發生在 s = 0.5 的位置，而不論增益 a 為何，這都對應到 x = 0。
範例試算
當 a = 1、x = 0.5 時：e^{-0.5} = 0.606531，因此 s = ((1) ÷ (1.606531)) = 0.622459。接著 1 - s = 0.377541，故 s' = 1 × 0.622459 × 0.377541 = 0.235004。最後 1 - 2s = -0.244919，得到
使用注意事項與精準校對原則（6 大核心守則）
📐 1. 嚴格對齊輸入量綱與單位
輸入各項數值時請務必確認量綱（例如小時、天數、金額、百分比），避免單位不匹配引發推算偏差。
🔒 2. 純前端本機毫秒級隱私保障
所有計算邏輯 100% 在您的終端瀏覽器內完成，資料絕不上傳伺服器，嚴格守護商業與個人隱私。
📊 3. 符合公認學術與產業計算模型
演算法嚴格遵循國際通用數學公式與標準計算模型，經多重情境交叉核對，數值嚴密精確。
📋 4. 一鍵複製與免登入 PDF 匯出
支援一鍵複製推算結果字串至剪貼簿，亦可直接點擊列印按鈕輸出純淨 PDF 工作報表。
🔄 5. 多情景敏感度動態對比
建議針對極端值與多組預期情景分別試算，觀察輸出數據的波動區間，輔助做出更穩健的決策。
🛡️ 6. 專業諮詢與日常參考免責聲明
本工具運算結果供日常排程、學業研習與事前參考之用，如涉及重大法規或投資決策請諮詢持證專家。