aiqi吧 关注:47贴子:138
  • 2回复贴,共1

微观法则和宏观法则

只看楼主收藏回复

神经元学习规则和语义学习规则不融合,两套平行系统,微观法则和宏观法则
如果可以找到某种契合点就好了,大统一理论


1楼2016-01-21 09:52回复
    hebb学习是以Donald O. Hebb名字命名的神经元学习方法
    Donald O. Hebb
    1、神经网络。
    大脑中由血多神经元(neuron)组成,神经元之间通过突触(亦称神经键)(synapse)来连接。所有的神经元与神经键形成一个网络,从而让神经信号畅通传递,称为神经网络(neural network)。
    2、刺激与反应。
    我们外在的行为是神经网络接受刺激之后产生的反应。神经元与神经元之间的连接有强有弱,而这种强弱是可以通过学习(训练)来不断改变的。如果两个神经元总是相关连的受到刺激或者反应,他们的连接就会一次一次的被加强。这也就是Hebb学习法了。
    3、Hebb学习法的通俗描述。
    我们想想生物课上学到的的条件反射的培养案例,即先摇铃铛,之后给一只狗喂食,久而久之,狗听到铃铛就会口水连连。这也就是狗的“听到”铃铛的神经元与“控制”流口水的神经元之间的连接被加强了。
    4、Hebb学习法的专业描述。
    专业地描述一下。如果两个神经元常常同时产生动作电位(spike),或者说同时激动(fire),这两个神经元之间的连接就会变强,反之则变弱。


    本楼含有高级字体2楼2016-01-21 10:12
    回复
      2025-07-24 05:00:37
      广告
      不感兴趣
      开通SVIP免广告
      STDP学习法。
      Henry Markram提出STDP,Spike Timing Dependent Plasticity学习方法。它根据神经元学习的先后顺序,调整神经元之间连接的强弱。
      对于一个神经元i而言:
      如果在其他神经元j传递信息之后,它才产生反应,那么类似于因果关系,它和传递信息的神经元之间连接G(j→i)会加强;
      如果它产生反应之后,其他神经元j才传递信息来,那么这个信息就有可能被忽略,即该神经元与传递信息的神经元间的连接G(j→i)会减弱。
      用类似(3)中的例子。


      本楼含有高级字体3楼2016-01-21 10:13
      回复