概念

赫布学习理论(Hebbian theory)是一个神经科学理论，解释了在学习的过程中脑中的神经元所发生的变化。赫布理论描述了突触可塑性的基本原理，即突触前神经元向突触后神经元的持续重复的刺激，可以导致突触传递效能的增加。

赫布理论解释了神经元如何组成联接，从而形成记忆印痕。

赫布理论阐明了细胞集群（Cell Assemblies）的形态和功能：“两个神经元或者神经元系统，如果总是同时被激发，就会形成一种‘组合’，其中一个神经元的激发会促进另一个的激发。

”赫布同时写道：“如果一个神经元持续激活另一个神经元，前者的轴突将会生长出突触小体（如果已有，则会继续长大）和后者的胞体相连接。”

在人工神经网络中，突触间传递作用的变化被当作是（被映射成）神经元网络图中相应权重的变化。

• 如果两个神经元同步激发，则它们之间的权重增加
• 如果单独激发，则权重减少。

赫布学习规则是最古老的也是最简单的神经元学习规则。

例子

我们举个例子：

比如我们想要识别一只 猫，有一些神经元是识别 [猫耳朵]、 [猫鼻子]、 [猫脸]、 [猫尾巴]。

如果这个图像中真的有猫，那么这些和猫有关的神经元都会被激活——而且往往是会一起激活！（因为一只猫肯定会有猫的专有的特征，如果猫显示不全，那么图中有什么猫的特征，就会有与之相关的神经元被激活）

与猫有关的神经元“同时激活”——“Neurons that fire together, wire together”，这就体现了赫布学习理论：神经元之间的突触“用进废退”——神经元之间的联合评判。

赫布学习理论是CV的一个非常重要的理论基础。

参考文献

1. 赫布理论 —— 机器学习思想的萌芽

标签：赫布,theory,突触,理论,学习,激发,Hebbian,神经元
来源： https://blog.csdn.net/weixin_44878336/article/details/120626472