HeimFlokkarVélnám og tauganet

🧠 Vélnám og tauganet

Ákvörðunartré, styrkingarnám, sjálfskipulagandi kort og k-means þyrpingagreining könnuð sjónrænt.

16 hermanir60 römmum á sekúndu í rauntíma0 uppsetningarskref
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…
Um flokkinn

Vélnám og tauganet

Ákvörðunartré, styrkingarnám, sjálfskipulagandi kort og k-means þyrpingagreining könnuð sjónrænt.

Three.js · WebGL 60 FPS CC BY 4.0
Staðreyndir í hnotskurn
16gagnvirkar hermanir í þessum flokki
keyrir á 60 römmum á sekúndu í öllum nútímavöfrum
🌐enska, úkraínska, pólska, spænska, þýska, japanska, ítalska, portúgalska (brasílíska), franska, arabíska, hollenska, kínverska, kóreska, hindí, tyrkneska, víetnamska, rússneska, indónesíska, persneska, bengalska, taílenska, filippseyska, svahílí, úrdú, malaíska, tamílska, hebreska, gríska, púnjabí, amharíska, búrmíska, khmer, georgíska, nepalska, mongólska, armenska, singalska, laoska, tékkneska, rúmenska, ungverska, búlgarska, sænska, danska, finnska, norska, slóvakíska, króatíska, serbneska, slóvenska, litháíska, lettneska, eistneska, íslenska, albanska, makedónska, bosníska og maltneska
🎓CC BY 4.0 — frjálst til notkunar í kennslustofum og í námsumsjónarkerfum

Algengar spurningar

Þarf ég að setja upp eitthvað til að keyra Vélnám og tauganet hermanir?

Nei. Allt keyrir beint í vafranum þínum — engin niðurhal, viðbætur eða aðgangsstofnun. Virkar í Chrome, Firefox, Edge og Safari; flestar hermanir virka líka í farsímum.

Get ég notað þessar hermanir í kennslu?

Já — allt efni er frjálst til notkunar í kennslu samkvæmt CC BY 4.0 leyfinu. Tengdu beint í hvaða hermun sem er eða felldu hana inn í námsumsjónarkerfið þitt (LMS) með iframe; enginn API-lykill þarf.

Eru líkönin vísindalega nákvæm?

Þau nota sömu stærðfræðilegu formúlur og fagleg hugbúnaður, tölulega samþætt í rauntíma. Hver hermun sýnir reikniritin sín og margar tengjast grein sem útskýrir stærðfræðina.

Tengdir flokkar

Hvað fannst þér?

Bæta við skrefum til að endurskapa vandamálið (valfrjálst)