دانلود پروژه رایگان قانون هب (Hebbian Rule) با MATLAB
ابتدایی ترین و ساده ترین قانون یادگیری برای یک شبکه عصبی با عنوان قانون هب (Hebb Rule) شناخته می شود. ایده اصلی این روش آموزش که هب آن را مطرح کرده است، این است که یادگیری با تغییر استحکامات سیناپس های نرون (وزن ها در شبکه عصبی) صورت می گیرد. هب معتقد است که این تغییرات به گونه ای است که اگر دو نرون متصل به هم به طور همزمان فعال باشند، آنگاه وزن بین آن نرون باید افزایش یابد. نظریه اصلی هب فقط درباره نرون هایی صحبت می کند که به طور همزمان برانگیخته می شوند و درباره نرون هایی که به طور همزمان برانگیخته نمی شوند چیزی نمی گوید. با این وجود، یادگیری قوی تر هنگامی رخ می دهد که اگر هر دو نرون به طور همزمان غیرفعال باشند، در این حالت نیز باید وزن ها را افزایش دهیم. شبکه عصبی یک لایه پیش خور که با استفاده از قانون گسترش یافته هب آموزش داده می شود را شبکه هب می نامند.
عکس 1
عکس 2
