Nella teoria della statistica è una funzione che generalizza la funzione logistica su più dimensioni

Mentre la funzione attivazione logistic sigmoid ha come variabili degli scalari, la funzione softmax ha come variabili dei vettori

Si utilizza la funzione softmax come funzione di attivazione del layer di output per convertire una variabile (vettore) continua in una variabile discreta.

Nei problemi di classificazione binaria si utilizzerà la funzione logistic sigmoid.

Allora quando si usa la funzione a gradino?

Penso che si usi solo nell'output layer