Playground AI

Eksperymentuj z algorytmami AI bezpośrednio w przeglądarce.

Perceptron

Perceptron to fundament, od którego zaczyna się każda podróż w głąb sieci neuronowych. Ten pojedynczy sztuczny neuron — wynaleziony w 1958 roku — potrafi uczyć się klasyfikacji binarnej: odróżniać dwie klasy danych za pomocą liniowej granicy decyzyjnej. Choć prosty, perceptron zawiera wszystkie kluczowe elementy nowoczesnych sieci: wagi, bias, funkcję aktywacji i algorytm uczenia.

Czego się nauczysz

  • Jak neuron oblicza sumę ważoną wejść
  • Czym jest granica decyzyjna i jak ją zmienia bias
  • Jak działa algorytm uczenia (aktualizacja wag)
  • Dlaczego funkcja aktywacji jest kluczowa

Jak korzystać z wizualizacji

Perceptron to najprostsza sieć neuronowa — pojedynczy sztuczny neuron. Zmień wagi i bias suwakami, wybierz funkcję aktywacji (sigmoid, ReLU, step) i obserwuj jak zmienia się granica decyzyjna na wykresie 2D. Kliknij „Krok uczenia" żeby zobaczyć jak neuron uczy się osiągać zadaną wartość.

Ładowanie wizualizacji...

Poznaj teorię

Wizualizacja to świetny start, ale pełne zrozumienie wymaga teorii. Przeczytaj artykuł w bazie wiedzy, żeby dowiedzieć się jak to naprawdę działa pod maską.

Przeczytaj artykuł →