หน้าแรกหมวดหมู่การเรียนรู้ของเครื่องและโครงข่ายประสาทเทียม

🧠 การเรียนรู้ของเครื่องและโครงข่ายประสาทเทียม

ต้นไม้ตัดสินใจ การเรียนรู้แบบเสริมกำลัง แผนที่จัดระเบียบตนเอง และการจัดกลุ่มแบบ k-means สำรวจผ่านภาพเคลื่อนไหว

16 การจำลอง60 fps แบบเรียลไทม์0 ขั้นตอนการติดตั้ง
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…
เกี่ยวกับหมวดหมู่นี้

การเรียนรู้ของเครื่องและโครงข่ายประสาทเทียม

ต้นไม้ตัดสินใจ การเรียนรู้แบบเสริมกำลัง แผนที่จัดระเบียบตนเอง และการจัดกลุ่มแบบ k-means สำรวจผ่านภาพเคลื่อนไหว

Three.js · WebGL 60 FPS CC BY 4.0
ข้อมูลโดยย่อ
16การจำลองแบบอินเทอร์แอกทีฟในหมวดหมู่นี้
ทำงานที่ 60 FPS บนเบราว์เซอร์สมัยใหม่ทุกตัว
🌐พร้อมให้บริการในภาษาอังกฤษ ยูเครน โปแลนด์ สเปน เยอรมัน ญี่ปุ่น อิตาลี โปรตุเกส (บราซิล) ฝรั่งเศส อาหรับ ดัตช์ จีน เกาหลี ฮินดี ตุรกี เวียดนาม รัสเซีย อินโดนีเซีย เปอร์เซีย เบงกาลี ไทย ฟิลิปปินส์ สวาฮีลี อูรดู มาเลย์ ทมิฬ ฮีบรู กรีก ปัญจาบ อัมฮาริก พม่า เขมร จอร์เจีย เนปาล มองโกเลีย อาร์เมเนีย สิงหล ลาว เช็ก โรมาเนีย ฮังการี บัลแกเรีย และสวีเดน
🎓CC BY 4.0 — ใช้ฟรีสำหรับห้องเรียนและระบบ LMS

คำถามที่พบบ่อย

ต้องติดตั้งอะไรก่อนใช้งานจำลอง การเรียนรู้ของเครื่องและโครงข่ายประสาทเทียม หรือไม่?

ไม่ต้องเลย ทุกอย่างทำงานอยู่ในเบราว์เซอร์ของคุณทั้งหมด ไม่ต้องดาวน์โหลด ไม่ต้องติดตั้งปลั๊กอิน และไม่ต้องสมัครบัญชี ใช้งานได้บน Chrome, Firefox, Edge และ Safari การจำลองส่วนใหญ่ยังใช้งานได้บนมือถือด้วย

ฉันสามารถใช้การจำลองเหล่านี้เพื่อการสอนได้หรือไม่?

ได้ครับ/ค่ะ เนื้อหาทั้งหมดใช้งานได้ฟรีเพื่อการศึกษาภายใต้สัญญาอนุญาต CC BY 4.0 คุณสามารถลิงก์ไปยังการจำลองใดก็ได้โดยตรง หรือฝังลงใน LMS ของคุณผ่าน iframe โดยไม่ต้องใช้ API key

โมเดลเหล่านี้มีความแม่นยำทางวิทยาศาสตร์หรือไม่?

โมเดลใช้สูตรคณิตศาสตร์เดียวกันกับซอฟต์แวร์ระดับมืออาชีพ โดยคำนวณเชิงตัวเลขแบบเรียลไทม์ การจำลองแต่ละรายการจะระบุอัลกอริทึมที่ใช้ และหลายรายการมีลิงก์ไปยังบทความที่อธิบายหลักคณิตศาสตร์เบื้องหลัง

หมวดหมู่ที่เกี่ยวข้อง

คุณพบอะไร?

เพิ่มขั้นตอนการทำซ้ำ (ไม่บังคับ)