A teoria hebbiana descreve um mecanismo básico da plasticidade sináptica no qual um aumento na eficiência sináptica surge da estimulação repetida e persistente da célula pós-sinápticas. Introduzida por Donald Hebb em 1949, é também chamada de regra de Hebb, postulado de Hebb, e afirma:

Vamos assumir que a persistência ou repetição de uma atividade reverberatória tende a induzir mudanças celulares duradouras que promovem estabilidade. (...) quando um axônio da célula A esta próxima o suficiente para excitar a célula B e repetidamente ou persistentemente segue fazendo com que a célula dispare, algum processo de crescimento ou alteração metabólica ocorre em uma ou ambas as células, de forma que aumente a eficácia de A, como uma das células capazes de fazer com que B dispare.

A teoria é frequentemente resumida como "células que disparam juntas, permanecem conectadas", apesar dessa afirmação ser uma simplificação exagerada do sistema nervoso que não deve ser tomada literalmente, bem como não representa fielmente a afirmação original de Hebb sobre as forças de troca na conectividade celular. A teoria é comumente evocada para explicar alguns tipos de aprendizagem associativos no qual a ativação simultânea de células leva a um crescimento pronunciado na força sináptica. Tal aprendizado é conhecido como aprendizagem hebbiana.

Bibliografia

editar
  • Hebb, D. O. (1949). The organization of behavior. New York: Wiley 
  • Hebb, D.O. (1961). «Distinctive features of learning in the higher animal». In: J. F. Delafresnaye (Ed.). Brain Mechanisms and Learning. London: Oxford University Press 
  • Hebb, D.O.; and Penfield, W. (1940). «Human behaviour after extensive bilateral removal from the frontal lobes». Archives of Neurology and Psychiatry. 44: 421–436 
  • Allport, D.A. (1985). «Distributed memory, modular systems and dysphasia». In: Newman, S.K. and Epstein, R. (Eds.). Current Perspectives in Dysphasia. Edinburgh: Churchill Livingstone. ISBN 0-443-03039-1 
  • Bishop, C.M. (1995). Neural Networks for Pattern Recognition. Oxford: Oxford University Press. ISBN 0-19-853849-9 (hardback) Verifique |isbn= (ajuda) 
  • Paulsen, O.; Sejnowski, T. J. (2000). «Natural patterns of activity and long-term synaptic plasticity». Current opinion in neurobiology. 10 (2): 172–179. PMID 10753798. doi:10.1016/S0959-4388(00)00076-3 
Ícone de esboço Este artigo sobre Biologia é um esboço. Você pode ajudar a Wikipédia expandindo-o.

📚 Artikel Terkait di Wikipedia

DeepDream

Conference on Computer Vision and Pattern Recognition (CVPR). IEEE Conference on Computer Vision and Pattern Recognition. pp. 5188–5196. ISBN 978-1-4673-6964-0

Jitendra Malik

Transactions on Pattern Analysis and Machine Intelligence, Volume 24, 2002, p. 1026–1038 com S. Belongie, J. Puzicha: Shape matching and object recognition using

Spam baseado em imagens

experimental evaluation of image spam filtering techniques, Pattern Recognition Letters». Pattern Recognition Letters. 32: 1436–1446. doi:10.1016/j.patrec.2011

Reconhecimento de Objetos e Teoria dos Geons

«Neocognitron: A self‑organizing neural network model for a mechanism of pattern recognition unaffected by shift in position». Biological Cybernetics. 36 (1):

Aprendizagem profunda

network/hidden markov model systems for continuous speech recognition». International Journal of Pattern Recognition and Artificial Intelligence. 07 (4): 899–916.

AlexNet

«Neocognitron: A Self-organizing Neural Network Model for a Mechanism of Pattern Recognition Unaffected by Shift in Position» (PDF). Biological Cybernetics. 36

Aprendizado de máquina

(2001) Pattern classification (2nd edition), Wiley, New York, ISBN 0-471-05669-3. Christopher Bishop  (1995). Neural Networks for Pattern Recognition, Oxford

Rede neural convolucional

Consultado em 31 de agosto de 2013  Zhang, Wei (1988). «Shift-invariant pattern recognition neural network and its optical architecture». Proceedings of annual