Sigmoide
Sinónimos: Sigmoid · Función logística
Definición ampliada
En redes neuronales, sigmoide suele designar la función logística, llamada sigmoid en inglés: \(\sigma(x)=1/(1+e^{-x})\). Su salida está estrictamente entre cero y uno para entradas reales finitas, y vale 0,5 cuando la entrada es cero. «Sigmoidal» también puede describir otras curvas en S; esta ficha se centra en la logística.
Puede actuar como función de activación de una salida binaria o como compuerta que regula el paso de información en una GRU [1]. Que un número esté entre cero y uno no basta para que represente una probabilidad bien calibrada [2].
Contexto histórico
Las activaciones sigmoidales diferenciables aparecen en trabajos clásicos de retropropagación de los años ochenta [3]. Glorot y Bengio analizaron en 2010 cómo la sigmoide logística y la inicialización podían favorecer la saturación y dificultar el entrenamiento de redes profundas [4].
Importancia actual
A fecha de septiembre de 2026, conviene distinguir su papel en las capas internas de su función en salidas y compuertas. La preferencia por ReLU en algunas capas internas no elimina esos otros usos.
Aplicaciones
Generales
- Transformar la puntuación de una regresión logística en una salida binaria probabilística bajo el modelo.
- Producir una salida por etiqueta en problemas con varias etiquetas posibles.
- Regular mediante compuertas qué información conserva una red recurrente.
Sanitarias
Puede formar parte de un modelo de riesgo para un evento definido, como un reingreso a treinta días. La calibración, el horizonte temporal y la población de evaluación determinan qué significa clínicamente esa estimación [2].
Limitaciones
- En los extremos se satura: su derivada, \(\sigma(x)(1-\sigma(x))\), se aproxima a cero, contribuyendo al gradiente desvanecido.
- La salida no está centrada en cero.
- Aplicarla por separado a varias clases no obliga a que sumen uno.
- No fija un umbral de decisión ni garantiza calibración o utilidad clínica.
Ejemplos
Ejemplo numérico: una puntuación de cero produce 0,5; una de dos produce aproximadamente 0,88. En un modelo de riesgo, interpretar ese 0,88 como un 88 % requiere comprobar que las predicciones concuerdan con las frecuencias observadas. La transformación matemática por sí sola no lo demuestra.