Метод сигнального обучения Хэбба

Как мы видели, выход NET простого искусственного нейрона является взвешенной суммой его входов. Это может быть выражено следующим образом:

где NET_j – выход NET нейрона j; OUT_i – выход нейрона i;w_ij – вес связи нейрона i с нейроном j.

Можно показать, что в этом случае линейная многослойная сеть не является более мощной, чем однослойная сеть; рассматриваемые возможности сети могут быть улучшены только введением нелинейности в передаточную функцию нейрона. Говорят, что сеть, использующая сигмоидальную функцию активации и метод обучения Хэбба, обучается по сигнальному методу Хэбба. В этом случае уравнение Хэбба модифицируется следующим образом:

w_ij(t+1) = w_ij(t) + OUT_i OUT_j

где w_ij(t) – сила синапса от нейрона i к нейрону j в момент времени t; OUT_i – выходной уровень пресинаптического нейрона равный F(NET_i); OUT_j – выходной уровень постсинаптического нейрона равный F(NET).