# İleri Geçiş

Canonical: https://manyspace.aporia.systems/tr/tools/neural-network
Updated: 2026-10-13

İki girdi, üç gizli nöron, bir çıktı — gizli hiçbir şey yok. Bir girdiyi it ve her nöronun aynı anda cevap verdiğini izle.

## Şunları dene

- Sessizi uyandır. “0, kapalı” yazan gizli nöronu bul, sonra ateşleyene kadar x₁'i süpür — ReLU nöronları sıfırın altında uyur, üstünde uyanır.
- Biasları öldür. Biasları kapat ve her z'nin tam bias miktarı kadar kaydığını izle — büyük kararları yöneten küçük sayılar.
- Sıkıştırmayı değiştir. Sigmoid'e geç: artık her nöron grinin tonlarında cevap verir ve “ateşleme” ya hep ya hiç olmaktan çıkar.

## Ağ nasıl okunur

Her gizli nöron girdilerin ağırlıklı toplamını alır, biasını ekler, sonucu sıkıştırır: ReLU pozitifleri geçirip negatifleri susturur, sigmoid her şeyi 0–1 aralığına büker. Kenar kalınlığı ağırlığı, düğüm yüzleri canlı değerleri taşır.

Çıktı nöronu aynı numarayı gizli aktivasyonlar üzerinde bir kez daha yapar. Aktivasyonu değiştir ya da biasları kapatıp yeniden süpür: aynı girdiler artık başka hikâye anlatır ve değişimin nerede olduğunu tamı tamına görürsün.

## İlgili araçlar

- [Gradyan İnişi Laboratuvarı](https://manyspace.aporia.systems/tr/tools/gradient-descent)
- [Kayıp Fonksiyonu Gezgini](https://manyspace.aporia.systems/tr/tools/loss-functions)
- [k-Means Görselleştirici](https://manyspace.aporia.systems/tr/tools/k-means)
- [Lojistik Regresyon](https://manyspace.aporia.systems/tr/tools/logistic-regression)
- [Geri Yayılım](https://manyspace.aporia.systems/tr/tools/backpropagation)
- [Dikkat Görselleştirici](https://manyspace.aporia.systems/tr/tools/attention)
- [Tokenizasyon Gezgini](https://manyspace.aporia.systems/tr/tools/tokenization)