НүүрАнгилалМашин сургалт ба Мэдрэлийн сүлжээ

🧠 Машин сургалт ба Мэдрэлийн сүлжээ

Шийдвэрийн мод, бататгах сургалт, өөрөө зохион байгуулагдах зураглал, k-means кластерчлалыг харааны байдлаар судлах.

16 симуляц60 fps бодит цаг хугацаанд0 суулгах алхмууд
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…
Ангиллын тухай

Машин сургалт ба Мэдрэлийн сүлжээ

Шийдвэрийн мод, бататгах сургалт, өөрөө зохион байгуулагдах зураглал, k-means кластерчлалыг харааны байдлаар судлах.

Three.js · WebGL 60 FPS CC BY 4.0
Товч мэдээлэл
16интерактив симуляц энэ ангилалд
аливаа орчин үеийн хөтчид 60 FPS-тэй ажилладаг
🌐Англи, украин, польш, испани, герман, япон, итали, португал (Бразил), франц, араб, голланд, хятад, солонгос, хинди, турк, вьетнам, орос, индонези, перс, бенгал, тайланд, филиппин, суахили, урду, малай, тамил, еврей, грек, пенжаби, амхар, мьянмар, кхмер, гүрж, балба, монгол, армян, синхал, лаос, чех, румын, унгар, болгар, швед хэл дээр боломжтой
🎓CC BY 4.0 — анги танхим болон LMS-д үнэ төлбөргүй ашиглах боломжтой

Түгээмэл асуулт хариулт

Машин сургалт ба Мэдрэлийн сүлжээ: симуляц ажиллуулахын тулд ямар нэгэн зүйл суулгах шаардлагатай юу?

Үгүй. Машин сургалт ба Мэдрэлийн сүлжээ симуляц нь бүхэлдээ таны интернэт хөтчид ажилладаг тул ямар нэгэн программ хангамж, залгаас (plugin) татаж суулгах шаардлагагүй. Зөвхөн холбоосыг нээгээд шууд туршилтаа эхлүүлээрэй.

Симуляцууд мобайл утас, таблет дээр ажилладаг уу?

Тийм ээ. Манай бүх интерактив симуляцууд ширээний компьютер, таблет болон ухаалаг утасны дэлгэцэд тохирсон дизайнтай бөгөөд хөндлөвч (touch) удирдлагыг дэмждэг тул хаана ч, ямар ч төхөөрөмж дээр шинжлэх ухааныг судлах боломжтой.

Симуляцуудыг ашиглах нь үнэ төлбөргүй юу?

Тийм ээ, манай платформ дээрх бүх симуляц бүрэн үнэ төлбөргүй бөгөөд бүртгэл шаардахгүйгээр нэн даруй ашиглах боломжтой. Бид сурагч, багш, шинжлэх ухаанд сонирхолтой хэн бүхэнд чөлөөтэй сурч мэдэх боломж олгохыг зорьдог.

Холбоотой ангиллууд

Та юу олж мэдэв?

Давтах алхмуудыг нэмэх (заавал биш)