---
status: seed
type: concept
tags:
  - machine-learning
  - neural-networks
  - unsupervised-learning
  - hebb
created: 2026-05-14
updated: 2026-05-14
title: Обучение без учителя. Алгоритм Хебба
---

# Обучение без учителя. Алгоритм Хебба

Обучение без учителя — режим, при котором [[Нейронные сети|нейронной сети]] не предъявляют желаемых выходных сигналов. Сеть сама формирует выходы, а веса изменяются по алгоритму, учитывающему только входные сигналы и текущее состояние нейронов.

Подстройка весов при обучении без учителя опирается исключительно на информацию, доступную внутри нейрона: его текущее состояние и уже имеющиеся весовые коэффициенты.

## Сигнальный метод Хебба

Правило обновления весов:

$$
w_{ij}(t) = w_{ij}(t-1) + \alpha \cdot y_i^{(n-1)} \cdot y_j^{(n)}
$$

где:
- $y_i^{(n-1)}$ — выходное значение нейрона $i$ слоя $(n-1)$;
- $y_j^{(n)}$ — выходное значение нейрона $j$ слоя $n$;
- $\alpha$ — скорость обучения;
- $w_{ij}(t)$, $w_{ij}(t-1)$ — вес синапса на итерациях $t$ и $t-1$.

Смысл: если оба нейрона активны одновременно, синаптическая связь между ними усиливается.

## Дифференциальный метод Хебба

Правило обновления весов:

$$
w_{ij}(t) = w_{ij}(t-1) + \alpha \cdot \bigl[y_i^{(n-1)}(t) -$$ 
$$- y_i^{(n-1)}(t-1)\bigr] \cdot \bigl[y_j^{(n)}(t) - y_j^{(n)}(t-1)\bigr]
$$

Сильнее обучаются синапсы, соединяющие те нейроны, выходы которых наиболее динамично изменились в сторону увеличения.

## Алгоритм обучения

1. Инициализировать все веса небольшими случайными значениями.
2. Подать входной образ; распространить сигналы по сети согласно принципам прямопоточных (*feedforward*) сетей — вычислить взвешенную сумму для каждого нейрона и применить функцию активации.
3. По формуле (1) или (2) скорректировать веса.
4. Повторять с шага 2, пока выходные значения сети не стабилизируются с заданной точностью.

Критерий остановки отличается от обратного распространения: не минимизация ошибки, а стабилизация выходов, поскольку целевые значения неизвестны.

## Применение

Обучение по Хеббу используется в сетях, где нет явного учителя, в частности в [[Нейронная сеть Кохонена|сети Кохонена]]. Там нейрон-победитель обновляет свои веса, притягивая их к входному образу, — это вариант сигнального метода.

## Связанные заметки

- [[Нейронные сети]]
- [[Нейронная сеть Кохонена]]
- [[Алгоритм обучения сети Кохонена]]
- [[Обратное распространение ошибки]]