AvalehtKategooriadMasinõpe ja närvivõrgud

🧠 Masinõpe ja närvivõrgud

Otsustuspuud, tugevdusõpe, isekorrastuvad kaardid ja k-keskmiste klasterdamine visuaalselt uuritavana.

16 simulatsioonid60 fps reaalajas0 paigaldamise sammud
Decision Tree LiveCART decision tree with Gini impurity splitting; axis-aligned splits emerge level by level… Reinforcement LearningQ-learning agent navigates an 8×8 grid maze. Heatmap shows max Q-values; white arrows show… Self-Organising Map24×24 Kohonen SOM (576 neurons, 3D RGB input). Gaussian neighbourhood update as α and σ… K-Means Clustering — Interactive Machine LearningStep through K-means clustering: watch centroids converge, Voronoi regions update, and… PCA & SVD Visualiser — Principal Component Analysis InteractiveGenerate a 2D dataset, diagonalise covariance matrix into principal components, and watch… PerceptronNewRosenblatt's 1958 algorithm: each misclassified point tilts the weight vector w ← w + η·y·x.… k-Nearest NeighboursNewClassify a point by majority vote among its k closest neighbours. Decision regions update… BackpropagationNewδ pulses flow backward through a small MLP: gradients highlight edges, weights update, and… Random Forest ClassifierNewBagging and random feature selection turn weak decision trees into a robust forest. Compare… t-SNE VisualiserNewt-SNE projects high-dimensional clusters to 2D via gradient descent on KL divergence. Tune… Self-Organising Map (SOM)NewA Kohonen grid folds high-dimensional data into 2D: neuron weights self-organise as σ… Radial Basis Function NetworkNewRadial basis network: N Gaussian bumps of width σ sum into a smooth decision boundary —… K-Means Clustering — Lloyd's AlgorithmNewCluster 2D points with k-means: assign to nearest centroid, move to the mean, repeat. Watch… DBSCAN — Density-Based ClusteringNewDBSCAN grows clusters from dense core points via ε-neighbourhoods and minPts, labelling… Naive Bayes Classifier — Probabilistic DecisionNewClassify 2D points with Gaussian naive Bayes: estimate per-class means and variances, apply… Gradient Descent — 3D Loss Surface & OptimisersNewNavigate a 3D loss landscape (Rosenbrock, Rastrigin, Himmelblau) with SGD, Momentum, RMSprop…
Kategooria kohta

Masinõpe ja närvivõrgud

Otsustuspuud, tugevdusõpe, isekorrastuvad kaardid ja k-keskmiste klasterdamine visuaalselt uuritavana.

Three.js · WebGL 60 FPS CC BY 4.0
Kiired faktid
16interaktiivset simulatsiooni selles kategoorias
töötab 60 FPS juures igas kaasaegses brauseris
🌐inglise, ukraina, poola, hispaania, saksa, jaapani, itaalia, brasiilia portugali, prantsuse, araabia, hollandi, hiina, korea, hindi, türgi, vietnami, vene, indoneesia, pärsia, bengali, tai, filipiini, suahiili, urdu, malai, tamili, heebrea, kreeka, pandžabi, amhaari, birma, khmeeri, gruusia, nepaali, mongoli, armeenia, sinhala, laose, tšehhi, rumeenia, ungari, bulgaaria, rootsi, taani, soome, norra, slovaki, horvaadi, serbia, sloveenia, leedu, läti ja eesti
🎓CC BY 4.0 — tasuta klassiruumides ja LMS-i manustena kasutamiseks

Korduma kippuvad küsimused

Kas Masinõpe ja närvivõrgud simulatsioonide käivitamiseks pean midagi installima?

Ei. Kõik toimib otse teie brauseris — allalaadimisi, pistikprogramme ega kontosid pole vaja. Töötab Chrome'is, Firefoxis, Edge'is ja Safaris; enamik simulatsioone töötab ka mobiilseadmetes.

Kas ma saan neid simulatsioone kasutada õpetamiseks?

Jah — kogu sisu on hariduslikuks kasutamiseks tasuta CC BY 4.0 litsentsi alusel. Lisage otselink mis tahes simulatsioonile või manustage see oma LMS-i iframe'i abil; API-võtit ei ole vaja.

Kas mudelid on teaduslikult täpsed?

Need kasutavad samu matemaatilisi valemeid nagu professionaalne tarkvara, mis on reaalajas numbriliselt integreeritud. Iga simulatsioon loetleb oma algoritmid ning paljud sisaldavad linki artiklile, mis selgitab matemaatikat.

Seotud kategooriad

Mida sa leidsid?

Lisa sammud vea kordamiseks (valikuline)