Mitä on hebbiläinen oppiminen?

Prafful Mishra
Mar 30, 2019 – 3 min read

Yksinkertaisimmasta hermoverkosta (kynnystason neuroni) puuttuu kyky oppimiseen, mikä on sen suurin haitta. Donald O. Hebb ehdotti kirjassaan ”The Organisation of Behaviour” mekanismia neuroverkon neuronien välisten painojen päivittämiseksi. Tämä painojen päivitysmenetelmä mahdollisti neuronien oppimisen, ja sitä nimitettiin Hebbin oppimiseksi.

Kolme tärkeintä seikkaa todettiin osana tätä oppimismekanismia :

  • Tieto tallentuu neuroverkkojen neuronien välisiin yhteyksiin painojen muodossa.
  • Painon muutos neuronien välillä on verrannollinen neuronien aktivaatioarvojen tuloon.

  • Oppiessa heikosti toisiinsa kytkeytyneiden neuronien samanaikainen tai toistuva aktivaatio muuttaa asteittain painojen voimakkuutta ja kuviota johtaen vahvempiin kytkentöihin.

Heikkojen kytkentöjen toistuva ärsyttäminen neuronien välille johtaa niiden asteittaiseen vahvistumiseen.

Uudet painot lasketaan yhtälöllä : Tällöin yhteyden voimakkuus vähenee toistuvilla tai samanaikaisilla ärsykkeillä.

Edellisempiä tietoja tällaisista hermoverkoista kannattaa lukea tästä.

Implementation of Hebbian Learning in a Perceptron

Frank Rosenblatt päätteli vuonna 1950, että kynnysneuronia ei voida käyttää kognition mallintamiseen, koska se ei pysty oppimaan tai omaksumaan ympäristöstä tai kehittämään kykyjä luokitteluun, tunnistamiseen tai vastaaviin kykyihin.

Perceptron ammentaa inspiraatiota biologisesta visuaalisesta hermomallista, jossa on kolme kerrosta, jotka on havainnollistettu seuraavasti :

  • Syöttökerros on synonyymi verkkokalvon aistisoluille, ja sillä on satunnaiset yhteydet seuraavan kerroksen neuroneihin.
  • Assosiaatiokerroksissa on kynnysneuroneja, joilla on kaksisuuntaiset yhteydet vastauskerrokseen.
  • Vastauskerroksessa on kynnysneuroneja, jotka ovat keskenään yhteydessä kilpailevaan inhibitoriseen signalointiin.

Vastauskerroksen neuronit kilpailevat keskenään lähettämällä inhibitorisia signaaleja ulostulon tuottamiseksi. Assosiaatio- ja vastekerrosten kynnysfunktiot asetetaan lähtöpisteeseen. Tämä muodostaa perustan näiden kerrosten väliselle oppimiselle. Havaitsemisen tavoitteena on aktivoida oikeat vaste-neuronit kutakin tulomallia varten.

Johtopäätös

Hebbiläinen oppiminen on saanut inspiraationsa biologisesta neuraalisen painon säätömekanismista. Se kuvaa menetelmää, jolla neuroni muunnetaan kyvyttömäksi oppimaan ja antaa sille mahdollisuuden kehittää kognitiota vastaamalla ulkoisiin ärsykkeisiin. Nämä käsitteet ovat yhä nykyäänkin neuraalisen oppimisen perusta.

Leave a Reply