赫布理论
赫布理论
这里就从维基百科上爬了一段关于赫布理论的解释：
赫布理论(Hebbian theory) 是一个神经科学理论，揭示了在学习过程中脑中的神经元所发生的变化。突触前神经元向突触后神经元的重复持续的刺激可以导致突触传递效能的增加。 赫布自己对该理论表述如下：
我们可以假定，反射活动的持续与重复会导致神经元稳定性的持久性提升……当神经元A的轴突与神经元B很近并参与了对B的重复持续的兴奋时，这两个神经元或其中一个便会发生某些生长过程或代谢变化，致使A作为能使B兴奋的细胞之一，它的效能增强了。
而赫布规则奠定了目前机器学习中联结学派的基础。赫布在《The Organization of Behavior》一书中提出的学习过程最终发生在神经元之间的突触部位，突触的连接强度随之突触前后神经元的活动而变化，这种可变性是学习和记忆的基础。为构造有学习功能的神经网络模型奠定了基础。
言归正题，由此就引出了我们当前神经网络的几个比较基础的知识。1， 两个神经元间的联结权重=神经元1的输入* 神经元2的输入。即模式学习中，影响是两面的。2， 两个神经元间的联结权重的变化量= 学习速率神经元1的激活值神经元2的输出值。
个人的第一篇博客，小紧张
4195
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
