Draft:یادگیری هب

Submission declined on 24 January 2025 by Kovcszaln6 (talk).

This is the English language Wikipedia; we can only accept articles written in the English language. Please provide a high-quality English language translation of your submission. Otherwise, you may be able to find a version of Wikipedia in your language at the Wikipedia home page and write the article there.

If you would like to continue working on the submission, click on the "Edit" tab at the top of the window.
If you have not resolved the issues listed above, your draft will be declined again and potentially deleted.
If you need extra help, please ask us a question at the AfC Help Desk or get live help from experienced editors.
Please do not remove reviewer comments or this notice until the submission is accepted.

Where to get help

If you need help editing or submitting your draft, please ask us a question at the AfC Help Desk or get live help from experienced editors. These venues are only for help with editing and the submission process, not to get reviews.
If you need feedback on your draft, or if the review is taking a lot of time, you can try asking for help on the talk page of a relevant WikiProject. Some WikiProjects are more active than others so a speedy reply is not guaranteed.

How to improve a draft

Wikipedia:Contributing to Wikipedia – a basic overview on how to edit Wikipedia.
Help:Wikitext – how to use the markup
Help:Referencing for beginners – how to include references
Wikipedia:Article development – how to develop your article
Wikipedia:Writing better articles – how to improve your article
Wikipedia:Verifiability – make sure your article includes reliable third-party sources

You can also browse Wikipedia:Featured articles and Wikipedia:Good articles to find examples of Wikipedia's best writing on topics similar to your proposed article.

Improving your odds of a speedy review

To improve your odds of a faster review, tag your draft with relevant WikiProject tags using the button below. This will let reviewers know a new draft has been submitted in their area of interest. For instance, if you wrote about a female astronomer, you would want to add the Biography, Astronomy, and Women scientists tags.

Add tags to your draft

Editor resources

Easy tools: Citation bot (help) | Advanced: Fix bare URLs

Declined by Kovcszaln6 2 months ago. Last edited by Kovcszaln6 2 months ago. Reviewer: Inform author.

Resubmit

Please note that if the issues are not fixed, the draft will be declined again.

یادگیری هب

(به انگلیسی: Hebbian Learning) یکی از اصول اساسی یادگیری در علوم اعصاب و شبکه‌های عصبی مصنوعی است. این قانون در سال ۱۹۴۹ توسط دونالد هب در کتاب "سازمان رفتار" (The Organization of Behavior) معرفی شد و اساس آن بر این اصل استوار است که اگر دو نورون به طور همزمان فعال شوند، ارتباط بین آن‌ها تقویت می‌شود. این ایده به‌طور غیررسمی با عبارت "نورون‌هایی که با هم شلیک می‌کنند، با هم سیم‌پیچی می‌شوند" بیان می‌شود.

اصول یادگیری هب

فرمول اصلی

رابطه اصلی یادگیری هب به صورت زیر بیان می‌شود:

$\Delta w_{ij}=\eta \cdot x_{i}\cdot x_{j}$

در این معادله:

$\Delta w_{ij}$ : تغییر وزن بین دو نورون $i$ و $j$
$\eta$ : نرخ یادگیری (Learning Rate)
$x_{i},x_{j}$ : فعالیت نورون‌های $i$ و $j$

توضیح مفاهیم

بر اساس این قانون، اگر یک نورون پیش‌سیناپسی (پیش‌ورودی) و یک نورون پس‌سیناپسی (پس‌ورودی) همزمان فعال باشند، وزن سیناپسی بین آن‌ها افزایش می‌یابد. به عبارت دیگر، ارتباط بین این دو نورون قوی‌تر می‌شود.

کاربردها

علوم اعصاب

یادگیری هب نقش مهمی در توضیح پدیده‌های زیستی مانند تقویت بلندمدت (LTP) و انعطاف‌پذیری سیناپسی ایفا می‌کند.

شبکه‌های عصبی مصنوعی

در هوش مصنوعی و یادگیری ماشین، یادگیری هب به عنوان پایه‌ای برای الگوریتم‌های مختلف، به‌ویژه در شبکه‌های عصبی غیرنظارتی (Unsupervised Neural Networks) مورد استفاده قرار می‌گیرد.

مدل‌های حافظه

از یادگیری هب برای توضیح چگونگی شکل‌گیری و تقویت خاطرات در مغز استفاده می‌شود.

مثال ساده

فرض کنید دو نورون $A$ و $B$ داریم که در ابتدا هیچ ارتباط قوی‌ای بین آن‌ها وجود ندارد. اگر $A$ به طور مکرر باعث فعال شدن $B$ شود، بر اساس قانون هب، ارتباط بین این دو نورون تقویت خواهد شد. این فرآیند اساس یادگیری در بسیاری از سیستم‌های زیستی و مصنوعی است.

محدودیت‌ها

اشباع وزنی: اگر وزن‌ها بیش از حد افزایش یابند، ممکن است سیستم دچار اشباع شود.
عدم در نظر گرفتن ضعف: یادگیری هب به تقویت روابط تمرکز دارد و کاهش ارتباطات ضعیف‌تر را در نظر نمی‌گیرد.
پیچیدگی زیستی: این مدل تنها یک تقریب ساده از فرایندهای پیچیده زیستی است.

References

Hebb, D. O. (1949). The Organization of Behavior: A Neuropsychological Theory. Wiley.
Gerstner, W., & Kistler, W. M. (2002). Spiking Neuron Models: Single Neurons, Populations, Plasticity. Cambridge University Press.
Dayan, P., & Abbott, L. F. (2001). Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems. MIT Press.