知识卡片
Hebb规则:同兴奋则增强
Hebb 规则来自神经心理学:若神经元 k 收到神经元 i 的输出,且两者同时处于兴奋状态,则 i 到 k 的权值应加强,反之减弱。写成 Δω_ki(t)=η y_k(t) x_i(t),ω_ki(t+1)=ω_ki(t)+Δω_ki(t),其中 y_k 是神经元 k 的输出、x_i 是它收到的来自 i 的输入,η 为学习速率。与误差纠正规则相比,它不含期望输出 d,只由“前后两个神经元是否同时激活”决定,因而属于无监督、局部性的规则,与条件反射学说一致。风险也在此:没有误差约束,反复共激活会让权值一味增大,实际使用需配合衰减或归一化。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第6章 神经网络与深度学习 · 查看原书依据
接收了来自另一神经元i 的输出,当这两个神经元同时处于兴奋状态时,从神经元i到神经元k的权值应加强,反之应减弱。
参考来源
- 位置:《大数据挖掘与统计机器学习》第6章 神经网络与深度学习(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter8_0001.xhtml,6.1.3 人工神经网络的学习)
- 结论依据:原文把 Hebb 规则归纳为同时兴奋则加强连接,并给出与误差纠正规则形式相同但不含期望输出的更新式。
- 原始内容:接收了来自另一神经元i 的输出,当这两个神经元同时处于兴奋状态时,从神经元i到神经元k的权值应加强,反之应减弱。