Hebbian学习解释

Question

http://www.cs.bham.ac.uk/~jxb/INC/l5.pdf

1949年，神经心理学家唐纳德·赫布( Donald Hebb )假设生物神经元是如何学习的： 当细胞A的轴突接近于刺激B细胞，并反复或持续地参与激活时，一个或两个细胞都会发生某些生长过程或代谢变化，从而提高A作为B发射细胞之一的效率。 用更熟悉的术语来说，这可以说是Hebbian学习规则： 如果突触两侧的两个神经元同时(即同步)被激活，那么这个突触的强度就会有选择地增加。 从数学上讲，我们可以将Hebbian学习描述为：

这里，η是一个学习速率系数，x是ith和jth元素的输出。

现在，我的问题是，所有这些描述意味着什么？

1. Hebbian学习适用于单神经元网络吗？
2. “突触两侧的两个神经元”是什么意思？
3. 为什么/何时两个神经元同时激活？
4. 他们所说的elements是什么意思？它们是神经元还是其他东西？
5. 你能举个例子吗？

Answer 1

你有两个神经元和突触相连。在这个例子中，当加权输入超过阈值时，我们假设神经元激活仅为0或1.1，而当不超过阈值时则假设为0。第一神经元在1上激活，当第二神经元也激活时，突触增加，因为第一神经元的激活导致第二神经元的激活。

当第二个神经元激活和第一个no激活时，突触将保持不变/减少，因为第二个神经元的激活与第一个神经元无关。

这可以用著名的喂食狗的例子来证明。当主人按门铃时，他给他的狗吃了一顿。他这样做了一段时间，当主人按门铃时，狗就会想到食物，所以狗把这两件事联系起来--铃和食物。

​

​

这不能用于单神经元网络。