我曾经问过另一个关于Hebbian学习的question，我想我得到了一个很好的答案我接受了，但问题是我现在意识到我完全错误地认为Hebbian学习了，那个我有点困惑。
那么，请你解释一下它是如何有用的，为什么？因为维基百科和其他一些网页描述它的方式 - 它没有意义！如果火在一起，为什么我们要继续增加输入和输出神经元之间的权重？它可以用来解决什么样的问题，因为当我在脑海中模拟它时，它当然不能进行基本的AND，OR和其他操作（比如你将权重初始化为零，输出神经元永远不会激发，并且重量永远不会增加！）
答案 0 :(得分：1)
你的问题似乎与理论有关，我不确定它是否属于SO，但由于它直接连接到神经网络，我会尝试回答。
如果它们一起发射，我们会增加输入和输出神经元之间的权重，因为一起发射意味着它们以某种方式相关。
让我们使用逻辑函数的例子。在AND函数中，您将有两个输入神经元。如果您的输入数据是(0, 0)，则表示输入神经元都不会触发，输出也不会触发。所以在这种情况下你不需要强大的连接。
现在输入(1, 1)。两个输入神经元都会触发，输出也会触发。为了学习这种对应关系，网络应该增加连接输入和输出的权重（记住，它基本上是总结输入和偏置神经元的问题）。
最后，当输出为(1, 0)或(0, 1)时，由于输出为0，它告诉网络这两个连接都不应该足够强大，以便自己激活输出神经元
我希望这是有道理的。