ביתקטגוריותלמידת מכונה ורשתות נוירונים

🧠 למידת מכונה ורשתות נוירונים

עצי החלטה, למידת חיזוק, מפות המאורגנות בעצמן ואשכולות k-means נחקרים באופן חזותי.

16 סימולציות60 פריימים לשנייה בזמן אמת0 שלבי התקנה
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…
על הקטגוריה

למידת מכונה ורשתות נוירונים

עצי החלטה, למידת חיזוק, מפות המאורגנות בעצמן ואשכולות k-means נחקרים באופן חזותי.

Three.js · WebGL 60 FPS CC BY 4.0
עובדות מהירות
16סימולציות אינטראקטיביות בקטגוריה זו
פועל ב-60 פריימים לשנייה בכל דפדפן מודרני
🌐זמין באנגלית, אוקראינית, פולנית, ספרדית, גרמנית, יפנית, איטלקית, פורטוגזית (ברזיל), צרפתית, ערבית, הולנדית, סינית, קוריאנית, הינדי, טורקית, וייטנאמית, רוסית, אינדונזית, פרסית, בנגלית, תאית, פיליפינית, סווהילית, אורדו, מלאית, טמילית, עברית, יוונית, פנג'אבית, אמהרית, בורמזית, חמרית, גאורגית, נפאלית, מונגולית, ארמנית, סינהלית, לאית, צ'כית, רומנית, הונגרית, בולגרית ושוודית
🎓רישיון CC BY 4.0 — חינם לכיתות ולשילוב במערכות לימוד

שאלות נפוצות

האם אני צריך להתקין משהו כדי להריץ סימולציות של למידת מכונה ורשתות נוירונים?

לא, כל הסימולציות פועלות ישירות בדפדפן שלכם ואינן דורשות שום התקנה, הרשמה או תוסף. פשוט לחצו על 'הפעל' והתחילו לחקור.

האם הסימולציות פועלות במחשב, בטאבלט ובנייד?

כן, כל הסימולציות באתר מבוססות טכנולוגיית HTML5 ומותאמות לכל מכשיר – מחשב נייח, מחשב נייד, טאבלט וסמארטפון – בכל דפדפן מודרני.

האם הסימולציות מתאימות לשימוש בכיתה או ללמידה עצמית?

בהחלט. הסימולציות פותחו כך שיתאימו הן להוראה פרונטלית בכיתת מדעים והן ללמידה עצמאית בבית, ומאפשרות התנסות מעשית עם מושגים מדעיים בצורה אינטראקטיבית ובטוחה.

קטגוריות קשורות

מה מצאתם?

הוספת שלבי שחזור (אופציונלי)