¿Qué es el aprendizaje hebbiano?

Mar 30, 2019 – 3 min read

La red neuronal más simple (neurona umbral) carece de capacidad de aprendizaje, lo que constituye su mayor inconveniente. En el libro «The Organisation of Behaviour», Donald O. Hebb propuso un mecanismo para actualizar los pesos entre las neuronas de una red neuronal. Este método de actualización de pesos permitió a las neuronas aprender y se denominó Aprendizaje Hebbiano.

Se establecieron tres puntos principales como parte de este mecanismo de aprendizaje :

• La información se almacena en las conexiones entre las neuronas de las redes neuronales, en forma de pesos.
• El cambio de pesos entre neuronas es proporcional al producto de los valores de activación de las neuronas.

• A medida que se produce el aprendizaje, la activación simultánea o repetida de las neuronas débilmente conectadas cambia incrementalmente la fuerza y el patrón de los pesos, lo que conduce a conexiones más fuertes.

El estímulo repetido de las conexiones débiles entre las neuronas conduce a su fortalecimiento incremental.

Los nuevos pesos se calculan mediante la ecuación :

Conexiones inhibitorias

Este es otro tipo de conexión, que tienen una respuesta opuesta a un estímulo. Aquí, la fuerza de la conexión disminuye con estímulos repetidos o simultáneos.

Para obtener información detallada sobre este tipo de redes neuronales, hay que considerar la lectura de esto.

Implementación del aprendizaje hebbiano en un perceptrón

Frank Rosenblatt en 1950, dedujo que la neurona umbral no puede ser utilizada para modelar la cognición ya que no puede aprender o adoptar del entorno o desarrollar capacidades de clasificación, reconocimiento o similares.

Un perceptrón se inspira en un modelo neuronal visual biológico con tres capas que se ilustran de la siguiente manera :

• La capa de entrada es sinónimo de células sensoriales en la retina, con conexiones aleatorias a las neuronas de la capa siguiente.
• Las capas de asociación tienen neuronas umbral con conexiones bidireccionales a la capa de respuesta.
• La capa de respuesta tiene neuronas umbral que están interconectadas entre sí para la señalización inhibitoria competitiva.

Las neuronas de la capa de respuesta compiten entre sí enviando señales inhibitorias para producir la salida. Las funciones de umbral se establecen en el origen para las capas de asociación y respuesta. Esto constituye la base del aprendizaje entre estas capas. El objetivo de la percepción es activar las neuronas de respuesta correctas para cada patrón de entrada.

Conclusión

El aprendizaje hebbiano se inspira en el mecanismo biológico de ajuste del peso neuronal. Describe el método para convertir una neurona una incapacidad para aprender y le permite desarrollar la cognición con la respuesta a los estímulos externos. Estos conceptos siguen siendo la base del aprendizaje neuronal en la actualidad.