场景3: 脑启发学习¶
关于神经网络的生物启发学习规则的教程，包括 Hebbian 可塑性和联想记忆。
教程¶
学习规则
概述¶
本场景探索了脑启发学习算法，这些算法模拟了在生物神经系统中观察到的突触可塑性机制。
教程1: 模式存储与提取
Hebbian 学习原理
用于联想记忆的 Hopfield 网络
单次学习和模式补全
用于去相关的反 Hebbian 学习
学习目标¶
通过完成本教程，您将：
理解生物学习规则及其计算特性
实现 Hebbian 和反 Hebbian 学习算法
训练 Hopfield 网络进行联想记忆
将脑启发学习应用于模式识别任务
前置要求¶
完成场景1（CANN建模）或具备同等知识
理解神经网络基础
熟悉无监督学习概念
预计时间¶
教程1: 30-35分钟
何时使用这些方法¶
Hebbian/Hopfield: - 联想记忆任务 - 使用部分输入进行模式补全 - 单次学习场景
反 Hebbian: - 神经元之间的侧向抑制 - 去相关和稀疏编码 - 赢者通吃竞争
未来补充¶
关于高级学习规则（BCM可塑性、Oja规则、STDP）的其他教程可能会在未来版本中添加。