YZ Merkezi
Yapay zekâ sözlüğü
Orta seviye
Aktivasyon Fonksiyonu (Activation Function)
Activation Function
31.08.2026 tarihinde güncellendi
Aktivasyon fonksiyonu, bir yapay nöronun girdilerinin ağırlıklı toplamını alarak nöronun aktif olup olmayacağını ve üreteceği çıktıyı belirleyen matematiksel fonksiyondur.
Genel bakış
Kavramın çerçevesiYapay sinir ağlarına 'doğrusal olmayan' (non-linear) özellik kazandıran en kritik bileşendir. Aktivasyon fonksiyonları olmasaydı, yüzlerce katmandan oluşan dev bir sinir ağı bile tek bir Regression)">doğrusal regresyon denkleminden farksız olurdu ve karmaşık problemleri öğrenemezdi.
Çalışma mantığı: Nöron içindeki ağırlıklı toplam (w*x + b) hesaplandıktan sonra bu toplam aktivasyon fonksiyonuna girdi olarak verilir. Yaygın türleri ReLU, Sigmoid, Tanh ve Softmax'tır.
Kullanım alanları: Gizli katmanlarda ReLU (Rectified Linear Unit) ve varyantları (GELU, Swish); ikili sınıflandırma çıkışında Sigmoid; çok sınıflı sınıflandırma çıkışında Softmax kullanılır.
Sınırlılıklar ve dikkat edilmesi gerekenler: Sigmoid gibi fonksiyonlar derin ağlarda kaybolan gradyan problemine yol açarken; ReLU fonksiyonunda nöronların tamamen kapanması (Dying ReLU) riski bulunmaktadır.
Çalışma mantığı: Nöron içindeki ağırlıklı toplam (w*x + b) hesaplandıktan sonra bu toplam aktivasyon fonksiyonuna girdi olarak verilir. Yaygın türleri ReLU, Sigmoid, Tanh ve Softmax'tır.
Kullanım alanları: Gizli katmanlarda ReLU (Rectified Linear Unit) ve varyantları (GELU, Swish); ikili sınıflandırma çıkışında Sigmoid; çok sınıflı sınıflandırma çıkışında Softmax kullanılır.
Sınırlılıklar ve dikkat edilmesi gerekenler: Sigmoid gibi fonksiyonlar derin ağlarda kaybolan gradyan problemine yol açarken; ReLU fonksiyonunda nöronların tamamen kapanması (Dying ReLU) riski bulunmaktadır.
Teknik tanım ve açıklama
Temel mekanizmaSinir ağı düğümlerinin çıktılarını sınırlandıran ve ağa non-lineerlik kazandırarak karmaşık manifoldları ve desenleri modellemesini sağlayan matematiksel dönüşüm fonksiyonudur.
Gerçek hayatta kullanım
Örnek senaryoBir tıbbi görüntüleme modelinde son katmanda kullanılan Sigmoid aktivasyon fonksiyonu, çıktıyı 0 ile 1 arasına sıkıştırarak hastada tümör olma olasılığını %87 (0.87) olarak raporlar.