AccueilCatégoriesApprentissage Automatique & Réseaux de Neurones

🧠 Apprentissage Automatique & Réseaux de Neurones

Arbres de décision, apprentissage par renforcement, cartes auto-organisatrices et regroupement k-means explorés visuellement.

16 simulations60 im/s en temps réel0 étapes d'installation
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…
À propos de la catégorie

Apprentissage Automatique & Réseaux de Neurones

Arbres de décision, apprentissage par renforcement, cartes auto-organisatrices et regroupement k-means explorés visuellement.

Three.js · WebGL 60 FPS CC BY 4.0
Aperçu rapide
16simulations interactives dans cette catégorie
tourne à 60 FPS dans tout navigateur moderne
🌐Disponible en anglais, ukrainien, polonais, espagnol, allemand, japonais, italien, portugais (BR), français, arabe, néerlandais, chinois, coréen, hindi, turc, vietnamien, russe, indonésien, persan, bengali, thaï, filipino, swahili, ourdou, malais, tamoul, hébreu, grec, pendjabi, amharique, birman, khmer, géorgien, népalais, mongol, arménien, cingalais, laotien, tchèque, roumain, hongrois, bulgare et suédois
🎓CC BY 4.0 — gratuit pour les écoles et l'intégration dans un LMS

Questions fréquentes

Dois-je installer quelque chose pour exécuter les simulations de « Apprentissage Automatique & Réseaux de Neurones » ?

Non. Tout fonctionne directement dans le navigateur, sans téléchargement, ni plugin, ni compte. Compatible avec Chrome, Firefox, Edge et Safari ; la plupart des simulations fonctionnent aussi sur smartphone.

Puis-je utiliser ces simulations pour enseigner ?

Oui — tout le contenu est gratuit à des fins pédagogiques sous licence CC BY 4.0. Créez un lien direct vers chaque simulation ou intégrez-la dans votre LMS via iframe ; aucune clé API n'est nécessaire.

Les modèles sont-ils scientifiquement corrects ?

Ils utilisent les mêmes formulations mathématiques que les logiciels professionnels et sont intégrés numériquement en temps réel. Chaque simulation liste ses propres algorithmes, et beaucoup renvoient à un article expliquant les mathématiques sous-jacentes.

Catégories associées

Qu'avez-vous trouvé ?

Ajouter des étapes de reproduction (facultatif)