神经网络设计学习笔记（10）——有监督的Hebb学习

Hebb规则是最早的神经网络学习规则之一，由Donald Hebb在1949年作为大脑的一种神经元突出调整的可能机制而提出，从那以后Hebb规则就一直用于人工神经网络的训练。
Hebb假设
“当细胞A的轴突到细胞B的距离近到足够激励它,且反复地成持续地刺激B，那么在这两个细胞或一个细胞中将会发生某种增长过程或代谢反应,增加A对细胞B的刺激效果。”
线性联想器
Hebb学习规则能用于和多种神经网络结构相结合。 本次采用非常简单的结构，集中来学习规则而不专注于结构，这里使用的网络称为线性联想器。

联想储存器
联想存储器线性联想器是被称为联想存储 器的神经网络类型中的一种神经网络，联想存储器的任务是学习Q对标准输人/输出向量:

(7.:上即是如果网络接收一一个输入p=p，那么它应能产生一个输出a=t，这里q=1, 2。。。0。另外，如果输人发生了微小变化(即p=p, +8)，那么网络的输出只应发生轻微的改(即=t +o)。