Hebbian学习

时间:2012-06-04 22:38:44

标签: machine-learning artificial-intelligence logic neural-network

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!)

1 个答案:

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)(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。