我正在使用错误反向传播对神经网络进行编码。为此，我必须从下一层的错误中确定上一层的错误。我不是专家，但是从我所看到的来看，使用以下公式是这样做的一种（或一种）正确方法：
error = ( Weights_next^T * error_next ) .* sigmoid_Derivative(net)
令我感到困惑的是Sigmoid函数的导数的用法。使用它确实有道理，但是由于Sigmoid的导数始终小于或等于0.25，这意味着从一层到另一层向后移动，误差将成倍减小。这样一来，除了最后一层外，几乎没有任何重量调整。
可悲的是，这正是我现在的NN中发生的情况，最后一层存在一些有效错误，而其他所有层的错误均为0。
是否有必要将这个公式调整4倍，以使最高系数不再是0.25，而是1.0了？
还是我在这里做错了其他事情？