模拟器列表
AI·计算机科学模拟器
处理机器学习、神经网络、密码、算法、数据结构的计算机科学工具集。
59 个模拟器
本领域的相关主题
相邻分类
工具列表
AdaBoost 模拟器 — 弱分类器的提升
AdaBoost Simulator — Boosting Weak Classifiers
机器学习
AdaBoost 模拟器 — 弱分类器的提升是一个关于近似设计条件和主要指标的页面，用于短期追踪当前值和变化趋势。
Adam 优化器 模拟器
Adam Optimizer Simulator
机器学习
在浏览器中体验深度学习的标准优化算法 Adam。改变学习率α·β₁·β₂·迭代次数，通过等高线、损失曲线和与普通GD的比较，可视化一阶/二阶矩和偏差修正的工作原理，这是一个免费的模拟器。
1D 线性自编码器·模拟器 — 与PCA等价的压缩重构
1D Linear Autoencoder Simulator — Compression Equivalent to PCA
机器学习
将10维信号压缩到 K 维瓶颈，然后用线性解码器重构的1D自编码器。在 SGD 训练时观察学习曲线和重构条形图，可视化线性AE提取前K个主成分的方式如何等价于PCA。
批量正规化模拟器
Batch Normalization Simulator
机器学习
在进入相邻工具之前，用相似的设计条件和主要指标来掌握主导条件和指标之间的关系。
偏差·方差 权衡 模拟器
Bias-Variance Tradeoff Simulator
机器学习
多项式回归的偏差²、方差、不可约误差分解可视化机器学习模拟器。改变模型次数、数据点数、噪声、数据集数，可以直观地理解欠学习和过拟合的权衡、U型泛化误差。
Bloom 过滤器的假阳性率和比特数模拟器
Bloom Filter False Positive Simulator
在进入相邻工具之前，用相似的设计条件和主要指标来掌握主导条件和指标之间的关系。
群体行为模拟器
Boids Flocking
用群体行为模拟器实时再现鱼群和鸟群的美丽运动。从分离、对齐、凝聚这三个简单规则中产生的创发集体行为的可视化。是理解群体智能和粒子法模拟的最佳工具。
LRU 缓存命中率和容量效应模拟器
Cache Hit Rate Lru Simulator
LRU 缓存命中率和容量效应模拟器中，改变相似设计条件和主要指标的前提，对比设计余量如何变化。
协同过滤 模拟器
Collaborative Filtering Simulator
机器学习
体验基于用户的协同过滤仓库的免费模拟器。改变评分矩阵、邻近数 k、相似度指标（余弦/皮尔逊）、稀疏度，实时可视化推荐系统如何预测"为您推荐"、预测误差和相似用户。
混淆矩阵的 精确率·召回率·F1模拟器
Confusion Matrix Metrics Simulator
机器学习
统计与数值计算的假设和灵敏度相关的相邻工具之前，掌握支配性条件和指标之间的关系。
交叉熵 vs MSE 损失模拟器
Cross-Entropy vs MSE Loss Simulator
机器学习
比较二值分类损失函数的模拟器。改变逻辑 z 和真标签 y 时，实时可看到交叉熵损失和MSE损失以及梯度。直观学习为什么在确信错误时MSE梯度消失，交叉熵成为分类中的标准损失的原因，这是一个免费工具。
k-fold 交叉验证模拟器
k-Fold Cross-Validation Simulator
机器学习
k-fold 交叉验证（cross-validation）评估模型泛化性能的免费模拟器。改变样本数 N、分割数 k、模型复杂度、噪声等，计算训练误差、CV 误差、泛化间隔、标准误差，可以判断过拟合。
TCP 带宽·延迟积 BDP 窗口优化
TCP Bandwidth-Delay Product (BDP) Window Optimization Simulator
TCP 的带宽延迟积 (BDP) 免费模拟器，从链路带宽、RTT、MSS、丢包率、TCP变种 (CUBIC/Reno/BBR/Vegas)、OS 调优改变窗口大小和有效吞吐量。同时计算 Mathis 上限、拥塞窗口。
B-tree 索引搜索成本和层级数模拟器
Database Index Btree Cost Simulator
B-tree 索引搜索成本和层级数模拟器中，改变近似设计条件和主要指标的前提，对比设计余量如何变化。
DBSCAN模拟器 — 基于密度的聚类
DBSCAN Simulator — Density-Based Clustering
机器学习
DBSCAN模拟器对2D散点数据根据ε邻域和MinPts判定核心点、边界点、噪声，实时提取任意形状的聚类。一个教育工具，可以直观学习ε和MinPts的灵敏度。
决策分析·期望值计算工具
Decision Analysis
机器学习
对最多3个选择和各3个结果计算期望金钱价值(EMV)，确定最优决策。标准差、概率分布直方图、龙卷风图进行敏感性分析。投资、项目投标、医疗选择的预设。
决策树的不纯度指标 — Gini·熵·误分类率的比较
Decision Tree Impurity — Gini, Entropy and Misclassification
机器学习
决策树的不纯度指标 — Gini·熵·误分类率的比较中，改变近似设计条件和主要指标的前提，对比设计余量如何变化。
Diffie-Hellman 密钥共享模拟器 — 公钥交换的数论
Diffie-Hellman Key Exchange Simulator — Public Key Math
Diffie-Hellman 密钥共享模拟器从公开素数 p 和原始根 g、Alice 和 Bob 的秘密密钥 a, b 实时计算公开值和共同密钥。小数字直观学习两人如何到达同一密钥。
FPV 无人机 视频延迟·FPS 预算 模拟器
FPV Drone Video Latency & FPS Budget Simulator
FPV 无人机视频延迟（传感器→编码器→无线→解码器→显示）和所需带宽、操控反应时间的免费工具。对比模拟 5.8GHz、DJI O3、HDZero、Walksnail，判定 Race/Freestyle/Cinematic/Casual 等级。
Dropout正则化模拟器
Dropout Regularization Simulator
机器学习
体验神经网络Dropout正则化的免费模拟器。改变保持概率 p、层神经元数、随机数种子，实时可视化随机丢弃的掩码、保持数的二项分布、1/p 缩放、部分网络总数 2ⁿ。
Elastic Net 回归 模拟器 — L1+L2 混合正则化
Elastic Net Regression Simulator
机器学习
Elastic Net 回归（Zou & Hastie 2005）改变混合比 α 和正则化强度 λ，实时可视化特征选择数、有效自由度、真阳性率、假阳性率、MSE。在 Lasso 和 Ridge 之间进行相关特征的组选择，体验免费模拟器。
EM算法（1维GMM）模拟器
EM Algorithm (1D GMM) Simulator
在进入相邻工具之前，用相似的设计条件和主要指标来掌握主导条件和指标之间的关系。
EM 算法 & 高斯混合模型 模拟器
EM Algorithm & Gaussian Mixture Model (GMM) Simulator
EM (Expectation-Maximization) 算法的高斯混合模型 (GMM) 收敛行为可视化。改变混合成分数 K、样本数、迭代次数、真重叠度、协方差类型，实时确认对数似然、AIC、BIC、聚类 ARI 的免费模拟器。
高斯过程回归 — RBF核和95%置信区间
Gaussian Process Regression — RBF Kernel & 95% Confidence Band
机器学习
高斯过程回归模拟器用RBF核计算1维GP回归的预测均值和95%置信区间，实时可视化。改变长度尺度或观测噪声，直观学习贝叶斯不确定性估计的行为。
遗传算法优化模拟器
Genetic Algorithm
机器学习
在浏览器上实时可视化遗传算法的优化过程。用动画直观学习种群的进化到收敛。是CAE设计优化基础理解和算法学习的最佳模拟器工具。
梯度提升 模拟器
Gradient Boosting Simulator
机器学习
梯度提升逐次在残差上装配弱学习器（浅回归树）来构建强预测器的仓库可视化。改变树的数量、学习率、树的深度、噪声，体验训练误差的降低、欠学习、过拟合的边界的免费模拟器。
梯度裁剪 模拟器
Gradient Clipping Simulator
机器学习
在浏览器中体验梯度裁剪。改变裁剪阈值、学习率、步数，通过等高线和损失、梯度范数曲线，可视化范数裁剪、值裁剪、无裁剪在"有悬崖地形"上如何防止梯度爆炸，这是一个免费模拟器。
带动量的梯度下降法模拟器
Gradient Descent with Momentum Simulator
机器学习
在浏览器中体验带动量的梯度下降法。改变学习率η、动量系数γ、迭代次数，通过等高线和损失曲线，可视化普通GD、动量法、Nesterov加速梯度在细长谷地如何收敛的免费模拟器。
梯度下降法·优化算法可视化
Gradient Descent
机器学习
SGD·Adam·RMSprop等优化算法在2D损失函数上如何运动实时可视化。用Rosenbrock函数·Himmelblau等4种损失函数直观理解机器学习优化的免费工具。
哈明码模拟器
Hamming Code Simulator
体验用哈明(7,4)码进行纠错的仓库的免费模拟器。从4个数据位生成码字，注入1位错。从综合征中自动确定错误位置进行纠正的过程可视化。
层次聚类模拟器 — 凝聚型和树状图
Hierarchical Clustering Simulator — Agglomerative & Dendrogram
机器学习
层次聚类 模拟器实时可视化2D数据的凝聚型聚类和树状图。用single/complete/average 的连接法和距离阈值控制聚类数。
图像卷积核 模拟器
Image Convolution Kernel Simulator
机器学习
3×3核的图像卷积实时可视化的免费模拟器。切换锐化、模糊、边缘提取、索贝尔、浮雕等核，观察与输入图像的卷积结果和扫描线轮廓，直观学习卷积神经网络（CNN）的仓库。
K-分割交叉验证模拟器 — 多项式回归的次数选择
K-Fold Cross-Validation Simulator — Polynomial Degree Selection
机器学习
K-分割交叉验证模拟器自动探索多项式回归的最优次数 d。实时计算·可视化训练 MSE 和 CV MSE，用图表确认过拟合和泛化性能平衡的机器学习分析工具。
k-means聚类 模拟器
k-Means Clustering Simulator
机器学习
k-means聚类在浏览器上可视化的免费模拟器。改变聚类数 k、数据点数、初始化方法，体验Lloyd法的迭代、WCSS的收敛、肘部法则选择k的动画和图表的机器学习工具。
k 最近邻法（k-NN）2D 分类模拟器 — 决策边界和 LOO 精度
k-NN 2D Classifier Simulator — Decision Boundary and LOO Accuracy
机器学习
k 最近邻法（k-NN）2D 分类模拟器对3类学习数据用多数投票预测任意查询点的类，实时可视化k值和决策边界的关系。也计算LOO交叉验证精度。
Kriging 代理模型 模拟器 — 高斯过程回归
Kriging Surrogate Model (Gaussian Process Regression) Simulator
机器学习
Kriging（高斯过程回归）代理模型的预测值、95%信用区间、对数边际似然、RMSE 用 SE/Matérn3-2/Matérn5-2 核可视化。从少量高成本评估点构建光滑内插函数的设计优化向免费工具。
学习曲线模拟器 — 过拟合·欠学习的诊断
Learning Curve Simulator — Diagnose Overfitting & Underfitting
机器学习
朝向相似的设计条件和主要指标的初期检讨，同一屏上读出代表条件和主要指标的关系。
学习率计划 模拟器
Learning Rate Schedule Simulator
机器学习
可视化机器学习学习率计划的免费模拟器。对步减衰、指数减衰、余弦退火3种方法，改变初始学习率、总轮数、衰减参数，实时计算学习率推移和沿损失谷的球下降行为。
线性SVM模拟器 — 软间隔2D分类
Linear SVM Simulator — Soft-Margin 2D Classification
机器学习
线性 SVM 2D 软间隔分类的模拟器，用子梯度下降法实时优化。可视化铰链损失和 L2 正则化的平衡、最大间隔超平面、支持向量、正则化系数 C 和噪声的影响。
逻辑回归（2D 2类分类）模拟器
Logistic Regression (2D Binary Classifier) Simulator
机器学习
逻辑回归模拟器用s形函数和交叉熵损失通过梯度下降最小化，2D 数据分为 2 类。改变学习率、迭代次数、L2 正则化，实时可视化线性决策边界和训练精度。
迷宫求解器
Maze Solver
迷宫求解器「」是一个教育工具，可以可视化和对比BFS·DFS·A*·Dijkstra法等路径搜索算法。实时确认搜索过程，体感学习节点数和计算时间的差异。理解算法
高斯 朴素贝叶斯分类模拟器 — 2D 3类
Gaussian Naive Bayes Classifier Simulator — 2D, 3 Classes
机器学习
高斯 朴素贝叶斯分类模拟器对2特征、3类分类问题实时可视化对数后验概率和决策边界。调整查询点·σ偏移·样本数，直观学习独立假设的效果。
神经网络可视化工具
Neural Network
机器学习
直观学习神经网络仓库的可视化工具。实时可视化确认正向传播和反向传播，通过XOR问题学习过程理解机器学习核心。显示激活函数、损失曲线、决策边界，初学者到中级用户可深入学习
机器人路径规划 模拟器
Path Planning
用势场法模拟机器人的路径规划。合成目标的引力和障碍物的斥力，实时计算点质量机器人的路径。具备势能分布的彩色地图显示、局部极小问题检测功能、简易RRT比较功能，是一个用于理解
主成分分析（PCA）模拟器 — 2D 数据的特征值分解
Principal Component Analysis (PCA) Simulator — Eigendecomposition for 2D Data
机器学习
主成分分析（PCA）模拟器对2维相关数据的协方差矩阵的特征值、特征向量实时计算主成分轴和贡献率。改变相关系数和标准差，直观学习数据的主要变动方向。
感知器学习模拟器 — 线性分类器的收敛
Perceptron Learning Simulator — Linear Classifier Convergence
机器学习
感知器学习模拟器在浏览器上执行2输入单层感知器 y = sign(w1·x1 + w2·x2 + b) 的学习规则，可视化线性分离的2类数据决策边界收敛到的过程。可以调整学习率、轮数、初始权重。
策略梯度法模拟器 — 强化学习
Policy Gradient Simulator
机器学习
体验强化学习的策略梯度法（REINFORCE）的免费模拟器。改变学习率、策略标准差、轮数、批大小、基线，可视化策略如何收敛到最优行为，基线降低梯度方差多少。
池化层模拟器 — CNN
Pooling Layer Simulator — CNN
机器学习
在进入相邻工具之前，用相似的设计条件和主要指标来掌握主导条件和指标之间的关系。
Q学习模拟器 — 强化学习网格世界
Q-Learning Simulator — Reinforcement Learning Gridworld
机器学习
强化学习的基础算法"Q学习"在网格世界体验的免费模拟器。改变学习率、折扣率、探索率、轮数，可视化代理只从奖励学习最优策略的过程、学习曲线、价值函数的收敛。
随机森林的多数投票 — bagging 和方差降低
Random Forest Majority Vote — Bagging and Variance Reduction
机器学习
朝向相似的设计条件和主要指标的初期检讨，同一屏上读出代表条件和主要指标的关系。
L1/L2正则化模拟器 — Lasso和Ridge
L1/L2 Regularization Simulator — Lasso vs Ridge
机器学习
可视化机器学习L1正则化（Lasso）和L2正则化（Ridge）区别的免费模拟器。改变正则化强度λ和原权重，实时对比软阈值化权重的零化（稀疏化）和比例缩小的行为。
RSA 加密模拟器 — 密钥生成和加密·解密
RSA Encryption Simulator — Key Generation, Encryption and Decryption
RSA 加密模拟器从2个素数 p, q 生成密钥对 (n, e, d)，实时计算平文 m 的加密和解密的教育演示。直观学习扩展欧几里得和模幂的仓库。
Softmax和交叉熵损失 — 分类学习的核心
Softmax and Cross-Entropy Loss — Core of Classification
机器学习
Softmax和交叉熵损失模拟器从3类分类的对数和温度参数实时计算概率分布和损失。改变温度T，可视化分布的锐度和损失变化，学习分类模型学习核心的仓库。
排序算法可视化
Sorting Algorithms
用动画直观学习冒泡排序、快速排序、合并排序等主要排序算法的模拟器。实时确认比较次数和计算量，一目了然理解算法仓库和效率差异。编程学习或CAE前
谱聚类 模拟器
Spectral Clustering Simulator
机器学习
谱聚类的交互式模拟：RBF·k-NN·余弦亲和矩阵，正规化图拉普拉斯矩阵 L=D^-1/2(D-W)D^-1/2 的特征值分解，半月形·同心圆等非凸数据完美分离的特征向量法可视化。立即计算与k-means相比的改进率、特征值间隙、内存使用量。
SGLD 随机梯度朗之万 模拟器
Stochastic Gradient Langevin Dynamics (SGLD) Simulator
机器学习
SGLD 随机梯度朗之万 模拟器是一个关于近似设计条件和主要指标的页面，用于短期追踪当前值和变化趋势。
TF-IDF 向量化模拟器
TF-IDF Vectorizer Simulator
机器学习
改变文档数、单词出现次数、文档长、包含该单词的文档数，实时计算TF-IDF 的单词频率、逆文档频率、权重。将文章转换为数值向量，区别特征词和停用词的免费机器学习模拟器。
Transformer 注意力基础模拟器
Transformer Attention Basics Simulator
机器学习
Transformer 核心的缩放点积注意力用3个token可体验的免费模拟器。改变各token的方向向量·查询·温度，注意权重·softmax·输出向量·注意熵实时分透。
权重初始化模拟器 — Xavier·He
Weight Initialization Simulator — Xavier & He
机器学习
神经网的权重初始化（Xavier·He·零·小随机·大随机）在深层中信号传播时对激活分散的影响可视化。避免梯度消失、梯度爆炸选择初始化的免费模拟器。
使用指南
- 用cat-filter参数指定处理对象的分类，对机器学习模型的输入层进行过滤
- 选择神经网络的激活函数（ReLU、Sigmoid、Tanh），执行正向传播计算
- 实时确认输出层的预测值和损失函数值（交叉熵），验证反向传播结果
具体计算示例
在图像分类任务中学习犬·猫·鸟的3个分类时，设定cat-filter='cat'会从输入特征784维（28×28像素）提取猫相关特征。隐层128神经元、学习率0.001、批大小32的条件下训练10个轮，猫图像分类精度达到约94.5%。应用权重矩阵L2正则化系数λ=0.0001，抑制过拟合，验证数据损失值从0.142改善到0.138。
实务中的注意事项
- 当cat-filter中存在分类不均衡时（猫图像仅占全体的15%），使用加权交叉熵，将少数分类的罚值设为2.5倍
- 神经网的初始权重若不用He初始化（标准差=√(2/输入数)），ReLU层会发生梯度消失
- 验证密码化算法时使用AES-256、RSA-2048等实运用级密钥长度，测试用短密钥不能进行脆弱性评估