Co to jest uczenie hebrajskie?

Mar 30, 2019 – 3 min read

Najprostsza sieć neuronowa (neuron progowy) nie posiada zdolności uczenia się, co jest jej główną wadą. W książce „The Organisation of Behaviour” Donald O. Hebb zaproponował mechanizm aktualizacji wag pomiędzy neuronami w sieci neuronowej. Ta metoda aktualizacji wag umożliwiła neuronom uczenie się i została nazwana Hebbian Learning.

W ramach tego mechanizmu uczenia się stwierdzono trzy główne punkty :

• Informacja jest przechowywana w połączeniach między neuronami w sieciach neuronowych, w postaci wag.
• Zmiana wagi między neuronami jest proporcjonalna do iloczynu wartości aktywacji neuronów.

• As learning takes place, simultaneous or repeated activation of weakly connected neurons incrementally changes the strength and pattern of weights, leading to stronger connections.

Powtarzające się pobudzanie słabych połączeń między neuronami prowadzi do ich inkrementalnego wzmacniania.

Nowe wagi są obliczane za pomocą równania :

Połączenia hamujące

Jest to inny rodzaj połączeń, które mają przeciwną odpowiedź na bodziec. W tym przypadku siła połączenia maleje przy powtarzających się lub jednoczesnych bodźcach.

W celu uzyskania szczegółowych informacji na temat takich sieci neuronowych, należy rozważyć przeczytanie tego.

Implementation of Hebbian Learning in a Perceptron

Frank Rosenblatt w 1950, wywnioskował, że neuron progowy nie może być używany do modelowania poznania, ponieważ nie może się uczyć lub adoptować ze środowiska lub rozwijać zdolności do klasyfikacji, rozpoznawania lub podobnych zdolności.

Perceptron czerpie inspirację z biologicznego modelu neuronu wzrokowego z trzema warstwami zilustrowanymi w następujący sposób :

• Warstwa wejściowa jest synonimem komórek czuciowych w siatkówce, z losowymi połączeniami do neuronów kolejnej warstwy.
• Warstwy asocjacyjne mają neurony progowe z dwukierunkowymi połączeniami do warstwy odpowiedzi.
• Warstwa odpowiedzi posiada neurony progowe, które są połączone ze sobą w celu konkurencyjnej sygnalizacji hamującej.

Neurony warstwy odpowiedzi konkurują ze sobą wysyłając sygnały hamujące w celu wytworzenia wyjścia. Funkcje progowe są ustawione na początku dla warstwy asocjacyjnej i warstwy odpowiedzi. Stanowi to podstawę uczenia się między tymi warstwami. Celem percepcji jest aktywacja poprawnych neuronów odpowiedzi dla każdego wzorca wejściowego.

Wnioski

Uczenie hebrajskie jest inspirowane biologicznym mechanizmem regulacji wag neuronów. Opisuje metodę przekształcania neuronu niezdolnego do uczenia się i umożliwia mu rozwój poznania w odpowiedzi na bodźce zewnętrzne. Koncepcje te są do dziś podstawą neuronowego uczenia się.

.