# Etkileşimli Fonksiyon Yaklaştırma

<div class="mlv-demo-links">
  <a class="mlv-demo-link" href="interactive_neural_loss_landscape.html">Kayıp Yüzeyi</a>
  <a class="mlv-demo-link" href="interactive_neural_transformations.html">Dönüşümler</a>
  <a class="mlv-demo-link active" href="interactive_neural_network.html">Fonksiyon Yaklaştırma</a>
  <a class="mlv-demo-link" href="interactive_backpropagation.html">Geri Yayılım</a>
  <a class="mlv-demo-link secondary" href="neural_network.html">Notebook</a>
  <a class="mlv-demo-link secondary" href="../_static/demos/neural-function-approximation.html">Tam Ekran Demo</a>
</div>

<div class="mlv-demo-hero">
  <div class="mlv-demo-kicker">Bölüm 4 / Fonksiyon Yaklaştırma</div>
  <p class="mlv-demo-lead">Küçük bir sinir ağının doğrusal olmayan bir hedef eğriyi nasıl yaklaştırdığını görmek için ağırlıkları elle değiştirebilirsin. Böylece gizli nöronların, tek başına düz çizgi çizemeyen bir modeli nasıl daha esnek hale getirdiğini sezgisel olarak görebilirsin.</p>
</div>

<div class="mlv-demo-grid">
  <div class="mlv-demo-panel">
    <strong>Ne Yap</strong>
    <span>`Yakın Uyum` ayarıyla başla, sonra gizli nöron katsayılarını bozup eğrinin nerelerde saptığını incele.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>Ne Gör</strong>
    <span>Her tanh nöronu farklı bir kırılma ekler; çıkış katmanı bu kırılmaları birleştirip nihai eğriyi kurar.</span>
  </div>
  <div class="mlv-demo-panel">
    <strong>İpucu</strong>
    <span>Nöron merkezleri çok yakınsa model aynı bölgeye yığılır; dengeli aralıklar daha temiz bir yaklaşım üretir.</span>
  </div>
</div>

<div class="mlv-demo-note">
`Yakın Uyum` ayarı hedef eğriyi iyi izler. Ağırlıkları bozdukça model ya fazla düz kalır ya da gereksiz kıvrımlar üretir; alttaki kayıp değeri de bunu hemen yansıtır.
</div>

<iframe
  class="mlv-demo-frame"
  src="../_static/demos/neural-function-approximation.html"
  title="Etkileşimli Fonksiyon Yaklaştırma Demosu"
  loading="lazy"
  frameborder="0"
></iframe>
