Hebbian Learning

释义 / Definition

Hebbian learning（赫布学习）：一种神经科学与机器学习中的学习规则，核心思想是当两个神经元（或单元）经常同时激活时，它们之间的连接会变强，常用一句话概括为“cells that fire together, wire together（一起放电，就会连线）”。（该术语也常泛指一类基于相关性的无监督权重更新方法。）

发音 / Pronunciation (IPA)

/hbin ln/

例句 / Examples

Hebbian learning strengthens connections between neurons that activate together.
赫布学习会加强那些经常同时被激活的神经元之间的连接。

In many unsupervised neural models, Hebbian learning can gradually shape useful feature detectors from repeated patterns in the input.
在许多无监督神经模型中，赫布学习可以从输入中反复出现的模式里逐步塑造出有用的特征探测器。

词源 / Etymology

“Hebbian”来自加拿大心理学家Donald O. Hebb（唐纳德赫布）的姓氏。该概念与他在 1949 年提出的神经活动与联结变化思想密切相关，后来被概括为“同时激活→连接增强”的学习原则，并在神经科学（突触可塑性）与人工神经网络中广泛发展。

文学与名著中的用例 / Literary & Notable Works

Donald O. Hebb, The Organization of Behavior: A Neuropsychological Theory（1949）：提出并系统阐述与“赫布学习”相关的核心思想来源。
Simon Haykin, Neural Networks and Learning Machines：在神经网络学习规则章节中讨论 Hebbian learning 及其变体。
David J. C. MacKay, Information Theory, Inference, and Learning Algorithms：在学习算法与神经计算相关内容中提及相关性学习与 Hebbian 风格规则。
Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning：在表示学习与经典神经网络思想背景中提到 Hebbian learning 作为重要历史与概念参照。