ໜ້າຫຼັກໝວດໝູ່ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ ເຄືອຂ່າຍປະສາດ

🧠 ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ ເຄືອຂ່າຍປະສາດ

ຕົ້ນໄມ້ການຕັດສິນໃຈ, ການຮຽນຮູ້ແບບເສີມແຮງ, ແຜນທີ່ຈັດຕັ້ງຕົນເອງ ແລະ ການຈັດກຸ່ມ k-means ທີ່ສຳຫຼວດຜ່ານພາບ.

16 ການຈຳລອງ60 fps ແບບເວລາຈິງ0 ຂັ້ນຕອນການຕິດຕັ້ງ
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…
ກ່ຽວກັບໝວດໝູ່

ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ ເຄືອຂ່າຍປະສາດ

ຕົ້ນໄມ້ການຕັດສິນໃຈ, ການຮຽນຮູ້ແບບເສີມແຮງ, ແຜນທີ່ຈັດຕັ້ງຕົນເອງ ແລະ ການຈັດກຸ່ມ k-means ທີ່ສຳຫຼວດຜ່ານພາບ.

Three.js · WebGL 60 FPS CC BY 4.0
ຂໍ້ມູນຫຍໍ້
16ການຈຳລອງແບບໂຕ້ຕອບໃນໝວດໝູ່ນີ້
ເຮັດວຽກທີ່ 60 FPS ໃນທຸກບຣາວເຊີທັນສະໄໝ
🌐ມີໃຫ້ບໍລິການໃນພາສາອັງກິດ, ຢູແຄຣນ, ໂປແລນ, ສະເປນ, ເຢຍລະມັນ, ຍີ່ປຸ່ນ, ອິຕາລີ, ປອກຕຸຍການ (ບຣາຊິນ), ຝຣັ່ງ, ອາຣັບ, ໂຮນລັງ, ຈີນ, ເກົາຫຼີ, ຮິນດີ, ຕວກກີ, ຫວຽດນາມ, ຣັດເຊຍ, ອິນໂດເນເຊຍ, ເປີເຊຍ, ເບັງກາລີ, ໄທ, ຟີລິປິນ, ສະວາຮີລີ, ອູຣະດູ, ມາເລ, ທະມິນ, ເຮັບເຣີ, ເກຣັກ, ປັນຈາບີ, ອຳຮາຣິກ, ມຽນມາ, ຂະແມ, ຈໍເຈຍ, ເນປານ, ມົງໂກນ, ອາເມເນຍ, ສິງຫລ, ລາວ, ເຊັກ, ໂຣມາເນຍ, ຮັງກາຣີ, ບຸນກາເຣຍ ແລະ ພາສາສະວີເດັນ
🎓CC BY 4.0 — ໃຊ້ຟຣີສຳລັບຫ້ອງຮຽນ ແລະ ການຝັງ LMS

ຄຳຖາມທີ່ພົບເລື້ອຍ

ຂ້ອຍຈຳເປັນຕ້ອງຕິດຕັ້ງຫຍັງບໍ່ເພື່ອແລ່ນການຈຳລອງ ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ ເຄືອຂ່າຍປະສາດ?

ບໍ່ຈຳເປັນ. ການຈຳລອງ ການຮຽນຮູ້ຂອງເຄື່ອງຈັກ ແລະ ເຄືອຂ່າຍປະສາດ ທຸກອັນເຮັດວຽກໂດຍກົງຢູ່ໃນເບຣົາເຊີຂອງທ່ານ ບໍ່ຕ້ອງດາວໂຫລດ ຫຼື ຕິດຕັ້ງໂປຣແກຣມໃດໆ ພຽງແຕ່ເປີດໜ້າແລ້ວເລີ່ມທົດລອງໄດ້ທັນທີ.

ການຈຳລອງເຫຼົ່ານີ້ໃຊ້ໄດ້ຟຣີບໍ່?

ແມ່ນແລ້ວ, ການຈຳລອງທັງໝົດຢູ່ໃນ mysimulator.uk ໃຊ້ໄດ້ຟຣີ 100% ສຳລັບນັກຮຽນ, ຄູອາຈານ ແລະ ຜູ້ທີ່ມັກຄົ້ນຄວ້າວິທະຍາສາດ ໂດຍບໍ່ຕ້ອງລົງທະບຽນ.

ຂ້ອຍໃຊ້ການຈຳລອງເຫຼົ່ານີ້ຢູ່ໃນມືຖື ຫຼື ແທັບເລັດໄດ້ບໍ່?

ໄດ້ ການຈຳລອງທຸກອັນຖືກອອກແບບໃຫ້ຕອບສະໜອງກັບໜ້າຈໍ ສາມາດເປີດໃຊ້ໄດ້ດີທັງໃນຄອມພິວເຕີ, ແທັບເລັດ ແລະ ໂທລະສັບມືຖືຜ່ານເບຣົາເຊີ.

ໝວດໝູ່ທີ່ກ່ຽວຂ້ອງ

ທ່ານພົບຫຍັງ?

ເພີ່ມຂັ້ນຕອນການເຮັດຄືນ (ບໍ່ບັງຄັບ)