arrow_back
AIverse
play_arrow
Schritt
play_arrow
Trainieren
restart_alt
Reset
Epoche:
0
Fehler:
0
Train:
–
Test:
–
psychology
Perceptron-Architektur
function
w₁
·x₁ +
w₂
·x₂ +
b
= z
w
i,neu
= w
i,alt
+ η · (y − ŷ) · x
i
Geschwindigkeit
timer
bolt
Mittel
settings
Setup
table_chart
Daten
show_chart
Visualisierung
build
Algorithmus
insights
Stats
target
Szenario wählen
pool
A: Grundlagen
balance
B: Konvergenz
credit_card
C: Bias
bolt
D: XOR
architecture
E: Aktivierung
eco
F: 3D
tune
Trainingsparameter
Lernrate
η
max. Epoche
Ziel %
A: Grundlagen – Geradengleichung
Nutze „Schwimmen & Sinken" um die Trennlinie herzuleiten. Beobachte, wie das Perceptron die Grenze m = V findet.
folder_open
Datensatz
function
Aktivierungsfunktion
θ Step (Heaviside)
σ Sigmoid
ReLU
Tanh
tune
Trainings-Modus
smart_toy
Algorithmus (Auto)
pan_tool
Manuell
linear_scale
Verschiebe die Trennlinie manuell
Gewicht w₁
0.00
Gewicht w₂
0.00
Bias b
0.00
settings
Normalverteilungs-Generator
Klasse 0 (Blau)
μx
3
μy
3
σx
1.0
σy
1.0
N
10
Klasse 1 (Orange)
μx
7
μy
7
σx
1.0
σy
1.0
N
10
casino
Generieren & Laden
chat
Kommentare
Hier erscheinen Erklärungen zum aktuellen Trainingsfortschritt.
table_chart
Trainingsdaten
Train
80%
science
Testdaten
show_chart
Decision Boundary
Beide
Nur Train
Nur Test
menu_book
Sprachlich
function
Formal
info
Online-Learning: Gewichte werden nach jedem Datenpunkt aktualisiert.
analytics
Trainingsstatistiken
trending_down
Fehlerverlauf
percent
Accuracy Train/Test
Verwandte Sternbilder
Perzeptron Playground (aktuell)
NN Playground