-
Hebb學習規則
鎖定
- 中文名
- Hebb學習規則
- 外文名
- Hebbian Learning Rule
- 提出者
- 赫布
- 地 點
- 加拿大
Hebb學習規則產生來源
hebb
赫布認為神經網絡的學習過程最終是發生在神經元之間的突觸部位，突觸的聯結強度隨着突觸前後神經元的活動而變化，變化的量與兩個神經元的活性之和成正比。
Hebb學習規則公式方法
可以看出，權值調整量與輸入輸出的乘積成正比，顯然經常出現的模式將對權向量有較大的影響。在這種情況下，Hebb學習規則需預先定置權飽和值，以防止輸入和輸出正負始終一致時出現權值無約束增長。
Hebb學習規則表達意義
由赫布提出的Hebb學習規則為神經網絡的學習算法奠定了基礎，在此基礎上，人們提出了各種學習規則和算法，以適應不同網絡模型的需要。有效的學習算法，使得神經網絡能夠通過聯結權重的調整，構造客觀世界的內在表徵。
[1]
Hebb學習規則與“條件反射”機理一致，並且已經得到了神經細胞學説的證實。
受該實驗的啓發，Hebb的理論認為在同一時間被激發的神經元間的聯繫會被強化。比如，鈴聲響時一個神經元被激發，在同一時間食物的出現會激發附近的另一個神經元，那麼這兩個神經元間的聯繫就會強化，從而記住這兩個事物之間存在着聯繫。相反，如果兩個神經元總是不能同步激發，那麼它們間的聯繫將會越來越弱。
- 參考資料
-
- 1. 第三節 聯結主義的認知心理學 ．南京師範大學[引用日期2015-10-13]
- 2. 神經網絡編程入門 ．神經網絡編程入門[引用日期2016-07-26]
