Search CTRL + K

神经元

一个神经元可以接收与之相连其它神经元的输入信号,如果把所有输入信号加起来,达到了某一个特定的阈值水平,它就会被激活。另外,一个神经元与其它神经元的不同连结会有不同的强度,当计算信号输入总和的时候,给定的神经元会给弱连结分配较少权重,更多地分配给强连结的输入。神经元之间的连接强度是如何调整的,对于理解大脑如何学习来说非常关键。

补充这可以联系到: 1949 年,Donald Hebb 提出的赫布型学习(Hebbian learning)模式指的是如果两个神经元经常一起激活,那么这两者之间的连接将会强化。例如,学习游泳换气的时候,每天都练习抬头、吸气,那么大脑中负责这两项活动的两个神经元就会经常一起激活,根据赫布规则,这两个神经元之间的连接就会被强化。久而久之,只要抬头,吸气的动作也会反射性跟上。