INTERACTIVE / 01RUNS IN YOUR BROWSER

See a small neural network learn.

Kleine Tabelle einfügen, GRU trainieren, Validierung beobachten und gegen eine einfache Baseline prüfen. Alle Berechnungen bleiben auf diesem Gerät.

NO UPLOAD · NO SERVER · NO DATA STORAGE

01 / INPUTCSV · TSV · TXT

Eine kleine numerische Zeitreihe einfügen.

Erste Spalte: zeit. Danach 1–10 numerische Merkmale. 200–1.000 Datenzeilen. Die Beispieldaten zeigen direkt das erwartete Format.

zeit;signal_a;signal_b;trend
0;0.000000;0.700000;0.000000
1;0.112683;0.734503;0.014179
2;0.223998;0.765466;0.028341
3;0.332595;0.792477;0.042469
4;0.437156;0.815148;0.056547
5;0.536415;0.833123;0.070558
6;0.629170;0.846077;0.084485
7;0.714298;0.853726;0.098311
8;0.790772;0.855829;0.112022
9;0.857671;0.852190;0.125600
10;0.914192;0.842663;0.139030
11;0.959661;0.827155;0.152297
12;0.993538;0.805627;0.165385
13;1.015428;0.778097;0.178281
14;1.025084;0.744638;0.190969
15;1.022408;0.705382;0.203437
16;1.007456;0.660518;0.215670
17;0.980434;0.610289;0.227656
18;0.941697;0.554994;0.239383
19;0.891747;0.494983;0.250838
20;0.831220;0.430657;0.262010
21;0.760886;0.362460;0.272889
22;0.681634;0.290882;0.283465
23;0.594464;0.216446;0.293727
24;0.500473;0.139712;0.303668
25;0.400842;0.061263;0.313280
26;0.296823;-0.018292;0.322553
27;0.189720;-0.098331;0.331483
28;0.080877;-0.178220;0.340063
29;-0.028342;-0.257323;0.348287
30;-0.136568;-0.335005;0.356151
31;-0.242443;-0.410640;0.363652
32;-0.344641;-0.483619;0.370785
33;-0.441877;-0.553351;0.377549
34;-0.532931;-0.619276;0.383942
35;-0.616658;-0.680861;0.389964
36;-0.692002;-0.737616;0.395613
37;-0.758013;-0.789092;0.400892
38;-0.813854;-0.834884;0.405801
39;-0.858815;-0.874643;0.410343
40;-0.892317;-0.908070;0.414520
41;-0.913927;-0.934926;0.418337
42;-0.923355;-0.955029;0.421798
43;-0.920463;-0.968260;0.424908
44;-0.905264;-0.974559;0.427674
45;-0.877924;-0.973931;0.430101
46;-0.838758;-0.966439;0.432197
47;-0.788226;-0.952208;0.433971
48;-0.726929;-0.931424;0.435431
49;-0.655602;-0.904325;0.436587
50;-0.575102;-0.871204;0.437447
51;-0.486398;-0.832406;0.438024
52;-0.390564;-0.788319;0.438329
53;-0.288759;-0.739375;0.438372
54;-0.182215;-0.686040;0.438166
55;-0.072226;-0.628813;0.437725
56;0.039875;-0.568220;0.437061
57;0.152727;-0.504805;0.436189
58;0.264961;-0.439128;0.435121
59;0.375215;-0.371757;0.433874
60;0.482151;-0.303262;0.432462
61;0.584473;-0.234211;0.430900
62;0.680941;-0.165163;0.429204
63;0.770387;-0.096659;0.427390
64;0.851730;-0.029223;0.425474
65;0.923990;0.036646;0.423473
66;0.986297;0.100482;0.421402
67;1.037905;0.161850;0.419278
68;1.078200;0.220354;0.417119
69;1.106708;0.275640;0.414941
70;1.123098;0.327397;0.412761
71;1.127191;0.375361;0.410596
72;1.118958;0.419316;0.408463
73;1.098524;0.459094;0.406379
74;1.066162;0.494578;0.404360
75;1.022294;0.525698;0.402422
76;0.967483;0.552434;0.400584
77;0.902427;0.574813;0.398859
78;0.827951;0.592906;0.397265
79;0.744996;0.606829;0.395817
80;0.654606;0.616736;0.394531
81;0.557918;0.622819;0.393421
82;0.456149;0.625301;0.392502
83;0.350573;0.624436;0.391789
84;0.242517;0.620502;0.391295
85;0.133335;0.613795;0.391034
86;0.024395;0.604628;0.391019
87;-0.082937;0.593324;0.391262
88;-0.187314;0.580212;0.391776
89;-0.287428;0.565619;0.392570
90;-0.382021;0.549872;0.393657
91;-0.469905;0.533286;0.395046
92;-0.549973;0.516164;0.396747
93;-0.621216;0.498790;0.398768
94;-0.682733;0.481430;0.401119
95;-0.733744;0.464322;0.403806
96;-0.773596;0.447679;0.406836
97;-0.801776;0.431682;0.410216
98;-0.817915;0.416480;0.413950
99;-0.821790;0.402190;0.418045
100;-0.813333;0.388891;0.422502
101;-0.792625;0.376628;0.427327
102;-0.759900;0.365410;0.432520
103;-0.715538;0.355213;0.438084
104;-0.660065;0.345975;0.444020
105;-0.594143;0.337606;0.450328
106;-0.518562;0.329983;0.457006
107;-0.434233;0.322956;0.464055
108;-0.342173;0.316351;0.471471
109;-0.243495;0.309971;0.479252
110;-0.139395;0.303603;0.487394
111;-0.031134;0.297020;0.495892
112;0.079976;0.289985;0.504742
113;0.192585;0.282255;0.513937
114;0.305328;0.273587;0.523471
115;0.416836;0.263743;0.533337
116;0.525756;0.252491;0.543526
117;0.630767;0.239614;0.554031
118;0.730596;0.224911;0.564841
119;0.824034;0.208203;0.575947
120;0.909952;0.189334;0.587338
121;0.987310;0.168180;0.599003
122;1.055178;0.144644;0.610930
123;1.112742;0.118669;0.623108
124;1.159312;0.090231;0.635522
125;1.194337;0.059345;0.648161
126;1.217407;0.026068;0.661011
127;1.228261;-0.009503;0.674056
128;1.226785;-0.047231;0.687283
129;1.213021;-0.086937;0.700677
130;1.187161;-0.128404;0.714223
131;1.149545;-0.171374;0.727904
132;1.100660;-0.215554;0.741705
133;1.041131;-0.260618;0.755610
134;0.971714;-0.306208;0.769603
135;0.893288;-0.351939;0.783667
136;0.806842;-0.397403;0.797785
137;0.713464;-0.442172;0.811941
138;0.614328;-0.485806;0.826118
139;0.510680;-0.527851;0.840298
140;0.403818;-0.567853;0.854466
141;0.295085;-0.605358;0.868603
142;0.185842;-0.639916;0.882694
143;0.077460;-0.671092;0.896722
144;-0.028703;-0.698467;0.910669
145;-0.131316;-0.721642;0.924520
146;-0.229090;-0.740250;0.938259
147;-0.320797;-0.753954;0.951869
148;-0.405285;-0.762453;0.965334
149;-0.481489;-0.765491;0.978640
150;-0.548447;-0.762853;0.991771
151;-0.605311;-0.754376;1.004712
152;-0.651358;-0.739947;1.017450
153;-0.685997;-0.719505;1.029969
154;-0.708780;-0.693048;1.042258
155;-0.719402;-0.660629;1.054302
156;-0.717711;-0.622357;1.066089
157;-0.703706;-0.578399;1.077607
158;-0.677536;-0.528980;1.088846
159;-0.639503;-0.474378;1.099793
160;-0.590053;-0.414923;1.110439
161;-0.529774;-0.351000;1.120775
162;-0.459387;-0.283035;1.130791
163;-0.379739;-0.211502;1.140478
164;-0.291788;-0.136913;1.149830
165;-0.196598;-0.059814;1.158840
166;-0.095321;0.019220;1.167501
167;0.010817;0.099588;1.175807
168;0.120529;0.180673;1.183755
169;0.232483;0.261844;1.191339
170;0.345323;0.342465;1.198557
171;0.457677;0.421900;1.205406
172;0.568183;0.499521;1.211885
173;0.675500;0.574709;1.217992
174;0.778326;0.646867;1.223727
175;0.875416;0.715423;1.229091
176;0.965595;0.779832;1.234084
177;1.047772;0.839590;1.238710
178;1.120956;0.894229;1.242971
179;1.184266;0.943329;1.246871
180;1.236945;0.986520;1.250413
181;1.278365;1.023484;1.253604
182;1.308036;1.053958;1.256448
183;1.325616;1.077741;1.258952
184;1.330910;1.094688;1.261124
185;1.323874;1.104718;1.262972
186;1.304618;1.107812;1.264503
187;1.273401;1.104012;1.265728
188;1.230630;1.093420;1.266655
189;1.176856;1.076198;1.267297
190;1.112763;1.052566;1.267663
191;1.039164;1.022798;1.267765
192;0.956989;0.987219;1.267615
193;0.867275;0.946202;1.267227
194;0.771148;0.900162;1.266613
195;0.669818;0.849554;1.265788
196;0.564555;0.794866;1.264764
197;0.456682;0.736613;1.263557
198;0.347549;0.675334;1.262181
199;0.238525;0.611584;1.260653
200;0.130977;0.545928;1.258986
201;0.026254;0.478936;1.257198
202;-0.074331;0.411179;1.255304
203;-0.169515;0.343217;1.253320
204;-0.258102;0.275600;1.251264
205;-0.338977;0.208860;1.249151
206;-0.411120;0.143504;1.246999
207;-0.473620;0.080012;1.244824
208;-0.525684;0.018831;1.242643
209;-0.566647;-0.039630;1.240473
210;-0.595982;-0.094998;1.238331
211;-0.613305;-0.146948;1.236234
212;-0.618380;-0.195198;1.234198
213;-0.611122;-0.239513;1.232241
214;-0.591598;-0.279708;1.230378
215;-0.560028;-0.315647;1.228625
216;-0.516778;-0.347241;1.227000
217;-0.462360;-0.374454;1.225517
218;-0.397422;-0.397294;1.224192
219;-0.322743;-0.415817;1.223040
220;-0.239223;-0.430122;1.222076
221;-0.147868;-0.440350;1.221315
222;-0.049783;-0.446677;1.220769
223;0.053844;-0.449318;1.220454
224;0.161757;-0.448514;1.220381
225;0.272648;-0.444534;1.220563
226;0.385172;-0.437670;1.221013
227;0.497962;-0.428228;1.221742
228;0.609650;-0.416528;1.222761
229;0.718880;-0.402897;1.224079
230;0.824329;-0.387665;1.225708
231;0.924716;-0.371158;1.227655
232;1.018828;-0.353695;1.229929
233;1.105524;-0.335586;1.232538
234;1.183758;-0.317122;1.235489
235;1.252588;-0.298575;1.238787
236;1.311187;-0.280195;1.242440
237;1.358853;-0.262204;1.246451
238;1.395023;-0.244796;1.250825
239;1.419271;-0.228131;1.255564
240;1.431320;-0.212339;1.260673
241;1.431045;-0.197512;1.266151
242;1.418472;-0.183709;1.272002
243;1.393776;-0.170952;1.278224
244;1.357285;-0.159229;1.284817
245;1.309472;-0.148492;1.291781
246;1.250948;-0.138660;1.299113
247;1.182457;-0.129624;1.306810
248;1.104866;-0.121243;1.314869
249;1.019154;-0.113350;1.323286
250;0.926400;-0.105759;1.332055
251;0.827772;-0.098261;1.341172
252;0.724506;-0.090633;1.350628
253;0.617899;-0.082642;1.360419
254;0.509288;-0.074046;1.370534
255;0.400035;-0.064603;1.380967
256;0.291509;-0.054072;1.391708
257;0.185070;-0.042217;1.402746
258;0.082055;-0.028817;1.414073
259;-0.016245;-0.013663;1.425676

Datei wählen

Beispieldaten geladen · bereit zum Training

02 / DATA CHECKLOCAL ONLY

260Zeilen

3Merkmale

32Sequenzlänge

80 / 20zeitlicher Split

zeit	signal_a	signal_b	trend
0	0	0.7	0
1	0.11	0.73	0.01
2	0.22	0.77	0.03
3	0.33	0.79	0.04

03 / TRAINTENSORFLOW.JS

MODELGRU / 64

TARGETNEXT ROW

EPOCHS

Vereinfachte Browser-Demo nach demselben Lernprinzip. Nicht identisch mit dem vollständigen PyTorch-Trainer.

04 / RESULTLOSS / BASELINE

Die Lernkurve erscheint nach dem Start.

TrainingValidierung

WHAT THIS PROVES

Ein sichtbarer Ablauf, kein Leistungsversprechen.

Die Demo macht Datenprüfung, zeitliche Trennung, Training, Validierung und Baseline-Vergleich nachvollziehbar. Sie zeigt, dass im Browser ein echtes neuronales Netz entsteht und trainiert wird. Ein einzelner Lauf beweist weder allgemeine Modellqualität noch Eignung für produktive Entscheidungen.