乙状结肠激活功能在Keras中的应用

Question

我有一个由18260个输入字段和4个输出组成的大数据集。我正在使用Keras和Tensorflow建立一个神经网络，可以检测出可能的输出。

不过，我尝试了许多解决方案，但除非在所有模型层中使用sigmoid激活函数，否则精度不会超过55%，第一个模型层除外，如下所示：

def baseline_model(optimizer= 'adam' , init= 'random_uniform'):
# create model
model = Sequential()
model.add(Dense(40, input_dim=18260, activation="relu", kernel_initializer=init))
model.add(Dense(40, activation="sigmoid", kernel_initializer=init))
model.add(Dense(40, activation="sigmoid", kernel_initializer=init))
model.add(Dense(10, activation="sigmoid", kernel_initializer=init))
model.add(Dense(4, activation="sigmoid", kernel_initializer=init))
model.summary()
# Compile model
model.compile(loss='sparse_categorical_crossentropy', optimizer=optimizer, metrics=['accuracy'])
return model

在所有层中使用sigmoid激活是否正确？如上图所示，使用乙状结肠时，准确率达到99.9%。所以我想知道模型实现中是否有问题。