激活函数种类及适用场合：Sigmoid、Tanh、ReLU、Leaky ReLU、ELU、Softmax

常见的激活函数有以下几种：

1. Sigmoid函数：将输入映射到介于0和1之间的连续输出。适用于二分类问题和神经网络的输出层。

2. Tanh函数：将输入映射到介于-1和1之间的连续输出。适用于二分类问题和神经网络的输出层。

3. ReLU函数：将负输入映射为0，正输入保持不变。适用于隐藏层的激活函数，可以缓解梯度消失问题。

4. Leaky ReLU函数：与ReLU函数类似，但是负输入时有一个小的斜率。适用于隐藏层的激活函数，可以缓解ReLU函数的死亡神经元问题。

5. ELU函数：对负输入有一个小的斜率，可以缓解ReLU函数的问题，并且在负输入时有一个更平滑的输出。

6. Softmax函数：将输入映射到一个概率分布，适用于多分类问题。

对于想要重视对输出结果影响较小的参数，可以使用Sigmoid函数或Tanh函数作为激活函数。这是因为这两个函数的输出范围较小，对于参数的微小变化不会引起很大的输出变化，适用于需要稳定输出的情况。