Hebb の原文では以下のような記述です。
When an axon of cell A is near enough to excite cell B and repeatedly or consistently takes part in firing it, some growth process or metabolic changes takes place in one or both cells such that A's efficiency, as one of the cell B, is increased.すなわち、「同時に発火したニューロン間のシナプス結合は強められる」--Hebb,D.O.,(1949), The Organization of Behavior--
となります。ここで は学習定数といます。
表 1 はこのことを表現したものです。
このシナプス変化の式(3)をベクトル表現すると
となります。すわなち結合荷重ベクトルは、入力ニューロンと出力ニューロンの 発火頻度に比例して、入力ニューロンベクトル x の方向に引き寄せられるこ とを意味します。 従って次回(時間 t+1)に同じ入力 x がこのネットワークに与えられたとき の出力は、
となります。この式の第 2 項は必ず正になるので、ある時刻 t における
入力 x が y を発火させたとき、次回 t+1 に同じ入力が与えられると
より強く発火させる効果を持つことになります。逆に言えば
同じ刺激を入力し続けると が限りなく大きな値になってしまう
ことも意味します
。
Hebb 則の変形はさまざまに考えられています。
この方法では |w|=1 の超球上にとどまっていることになる。 入力ベクトルの方向余弦に一致。
この方式は発火しないニューロンにつながっているシナプス結合強度は
徐々に減衰し、発火しなくなる。
に従って学習を進める。
なおこれらの変形は自由研究のネタとしても使えます。 それぞれの学習則に従って学習させた場合どうなるか…