Laman UtamaKategoriPembelajaran Mesin & Rangkaian Neural

🧠 Pembelajaran Mesin & Rangkaian Neural

Pokok keputusan, pembelajaran tetulang, peta swaorganisasi dan pengelompokan k-means diterokai secara visual.

16 simulasi60 fps masa nyata0 langkah pemasangan
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…
Tentang kategori

Pembelajaran Mesin & Rangkaian Neural

Pokok keputusan, pembelajaran tetulang, peta swaorganisasi dan pengelompokan k-means diterokai secara visual.

Three.js · WebGL 60 FPS CC BY 4.0
Fakta ringkas
16simulasi interaktif dalam kategori ini
berjalan pada 60 FPS dalam mana-mana pelayar moden
🌐Tersedia dalam Bahasa Inggeris, Bahasa Ukraine, Bahasa Poland, Bahasa Sepanyol, Bahasa Jerman, Bahasa Jepun, Bahasa Itali, Bahasa Portugis (BR), Bahasa Perancis, Bahasa Arab, Bahasa Belanda, Bahasa Cina, Bahasa Korea, Bahasa Hindi, Bahasa Turki, Bahasa Vietnam, Bahasa Rusia, Bahasa Indonesia, Bahasa Parsi, Bahasa Bengali, Bahasa Thai, Bahasa Filipino, Bahasa Swahili, Bahasa Urdu, Bahasa Melayu, Bahasa Tamil, Bahasa Ibrani, Bahasa Yunani, Bahasa Punjabi, Bahasa Amharik, Bahasa Myanmar, Bahasa Khmer, Bahasa Georgia, Bahasa Nepal, Bahasa Mongolia, Bahasa Armenia, Bahasa Sinhala, Bahasa Laos, Bahasa Czech, Bahasa Romania, Bahasa Hungary, Bahasa Bulgaria, dan Bahasa Sweden
🎓CC BY 4.0 — percuma untuk bilik darjah dan pembenaman LMS

Soalan lazim

Adakah saya perlu memasang apa-apa untuk menjalankan simulasi Pembelajaran Mesin & Rangkaian Neural?

Tidak. Semua simulasi berjalan terus dalam pelayar web anda menggunakan HTML5, jadi tiada muat turun atau pemasangan diperlukan. Cukup buka pautan dan mula meneroka.

Bolehkah saya menjalankan simulasi ini di telefon pintar atau tablet?

Ya, kebanyakan simulasi kami responsif dan berfungsi dengan baik pada telefon pintar, tablet, komputer riba serta komputer meja. Sesetengah simulasi yang lebih kompleks mungkin memerlukan skrin yang lebih besar untuk pengalaman terbaik.

Adakah simulasi sains ini percuma untuk digunakan?

Ya, semua simulasi di mysimulator.uk boleh diakses secara percuma untuk pelajar, guru dan sesiapa sahaja yang ingin belajar melalui pembelajaran interaktif dan berasaskan penerokaan.

Kategori berkaitan

Apa yang anda temui?

Tambah langkah pengulangan (pilihan)