DomovKategórieStrojové učenie a neurónové siete

🧠 Strojové učenie a neurónové siete

Rozhodovacie stromy, posilňované učenie, samoorganizujúce sa mapy a zhlukovanie k-means v obrazovom podaní.

16 simulácií60 fps v reálnom čase0 kroky inštalácie
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…
O kategórii

Strojové učenie a neurónové siete

Rozhodovacie stromy, posilňované učenie, samoorganizujúce sa mapy a zhlukovanie k-means v obrazovom podaní.

Three.js · WebGL 60 FPS CC BY 4.0
Rýchle fakty
16interaktívnych simulácií v tejto kategórii
beží pri 60 FPS v akomkoľvek modernom prehliadači
🌐angličtine, ukrajinčine, poľštine, španielčine, nemčine, japončine, taliančine, brazílskej portugalčine, francúzštine, arabčine, holandčine, čínštine, kórejčine, hindčine, turečtine, vietnamčine, ruštine, indonézštine, perzštine, bengálčine, thajčine, filipínčine, svahilčine, urdčine, malajčine, tamilčine, hebrejčine, gréčtine, pandžábčine, amharčine, barmčine, khmérčine, gruzínčine, nepálčine, mongolčine, arménčine, sinhálčine, laoštine, češtine, rumunčine, maďarčine, bulharčine, švédčine, dánčine, fínčine, nórčine, slovenčine, chorvátčine, srbčine, slovinčine, litovčine, lotyštine a estónčine
🎓CC BY 4.0 — zadarmo pre triedy a vkladanie do LMS

Často kladené otázky

Musím si niečo nainštalovať, aby som mohol spúšťať simulácie Strojové učenie a neurónové siete?

Nie. Všetko beží priamo vo vašom prehliadači — žiadne sťahovanie, doplnky ani účty. Funguje v prehliadačoch Chrome, Firefox, Edge a Safari; väčšina simulácií funguje aj na mobile.

Môžem tieto simulácie použiť pri vyučovaní?

Áno — všetok obsah je voľne dostupný na vzdelávacie účely pod licenciou CC BY 4.0. Odkážte priamo na ktorúkoľvek simuláciu alebo ju vložte do svojho LMS pomocou iframe; API kľúč nie je potrebný.

Sú modely vedecky presné?

Používajú rovnaké matematické formulácie ako profesionálny softvér, integrované numericky v reálnom čase. Každá simulácia uvádza svoje algoritmy a mnohé odkazujú na článok vysvetľujúci danú matematiku.

Súvisiace kategórie

Čo ste našli?

Pridať kroky na zopakovanie chyby (voliteľné)