Hvad er hebbisk læring?
Det enkleste neurale netværk (tærskel neuron) mangler evnen til at lære, hvilket er dets største ulempe. I bogen “The Organisation of Behaviour” foreslog Donald O. Hebb en mekanisme til at opdatere vægtene mellem neuroner i et neuralt netværk. Denne metode til opdatering af vægtene gjorde det muligt for neuroner at lære og blev kaldt Hebbian Learning.
Tre hovedpunkter blev anført som en del af denne læringsmekanisme :
- Informationen lagres i forbindelserne mellem neuroner i neurale netværk i form af vægte.
- Vægtændringen mellem neuroner er proportional med produktet af aktiveringsværdierne for neuronerne.
- I takt med at læring finder sted, ændrer samtidig eller gentagen aktivering af svagt forbundne neuroner gradvist vægtenes styrke og mønster, hvilket fører til stærkere forbindelser.
Den gentagne stimulering af svage forbindelser mellem neuroner fører til deres gradvise styrkelse.
De nye vægte beregnes ved ligningen :
Hæmmende forbindelser
Dette er en anden form for forbindelse, der har en modsatrettet respons på en stimulus. Her falder forbindelsesstyrken ved gentagne eller samtidige stimuli.
For detaljerede oplysninger om sådanne neurale netværk bør man overveje at læse dette.
Implementering af hebbisk læring i en perceptron
Frank Rosenblatt konkluderede i 1950, at tærskel neuron ikke kan bruges til modellering af kognition, da det ikke kan lære eller adoptere fra omgivelserne eller udvikle evner til klassificering, genkendelse eller lignende evner.
En perceptron er inspireret af en biologisk visuel neuronal model med tre lag illustreret som følger :
- Inputlaget er synonymt med sanseceller i nethinden, med tilfældige forbindelser til neuroner i det efterfølgende lag.
- Associeringslag har tærskelneuroner med tovejsforbindelser til responslaget.
- Responslaget har tærskelneuroner, der er forbundet med hinanden for konkurrerende inhiberende signalering.
Responslagets neuroner konkurrerer med hinanden ved at sende inhiberende signaler for at producere output. Tærskelfunktionerne er fastsat ved oprindelsen for associerings- og responslagene. Dette danner grundlaget for læring mellem disse lag. Målet med opfattelsen er at aktivere de korrekte responsneuroner for hvert inputmønster.
Slutning
Hebbian Learning er inspireret af den biologiske neurale vægtjusteringsmekanisme. Den beskriver metoden til at konvertere en neuron en manglende evne til at lære og gør det muligt for den at udvikle kognition med respons på eksterne stimuli. Disse begreber er stadig grundlaget for neural læring i dag.
Leave a Reply