SecondBrain/90 Library/Machine Learning/Обучение без учителя. Алгоритм Хебба.md

status, type, tags, created, updated, title

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

Обучение без учителя. Алгоритм Хебба

Обучение без учителя — режим, при котором Нейронные 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. 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