什么是Hebbian learning

hebbian learning并不是一个新的概念，早在1949唐纳德·赫布提出了赫布律（hebb's rules），简单表述为：

我们可以假定，反射活动的持续与重复会导致神经元稳定性的持久性提升……当神经元A的轴突与神经元B很近并参与了对B的重复持续的兴奋时，这两个神经元或其中一个便会发生某些生长过程或代谢变化，致使A作为能使B兴奋的细胞之一，它的效能增强了。

更通俗的说法为Cells that fire together, wire together，但是其实这种说法并不完整。赫布强调说，神经元"A"必须对神经元"B"的激发“作出了一定贡献”，因此，神经元"A"的激发必须在神经元"B"之先，而不能同时激发。赫布理论中的这一部分研究，后来被称作STDP，表明突触可塑性需要一定的时间延迟。赫布理论可以用于解释“联合学习”（associative learning），在这种学习中，由对神经元的重复刺激，使得神经元之间的突触强度增加。这样的学习方法被称为赫布型学习（Hebbian learning）。

在人工神经网络中的表达