Hebbs Teori

Teorin lades fram av Donald Olding Hebb 1949. Teorin beskriver en mekanism för hur synapserna blir mer effektiva.

Teorin säger att en upprepande eller kvarvarande stimulering kommer att leda till en tillväxtprocess eller metabolisk förändring i den ena eller båda cellerna som leder till en ökad effektivitet i synapsen. Teorin sammanfattas vanligtvis med "celler som avfyras tillsammans, sammankopplas" (eng. "cells that fire together, wire together"). Även om detta är en överförenkling som inte ska tas bokstavligen har teorin använts för att förklara vissa typer av associationsinlärning. Vid denna typ av inlärning kommer simultan aktivering av celler leda till en uttalad ökning i synaptisk styrka – denna inlärning är känd som hebbiansk inlärning.

Hebbs teori behandlar hur neuron skulle kunna sammankopplas för att bilda ett engram.

Gordon Allport placerar ytterligare idéer angående cellsammankopplingsteorin och dess roll i formering av engram, i linje med auto-association.

Hebbs teori har blivit den primära basen för den vanliga tanken att engram är neurala nät eller neurala nätverk, vid analyserande från ett holistiskt synsätt.

Eric R. Kandel har visat vissa bevis för denna teori genom att studera den vattenlevande snigeln Aplysia californica.

Experiment på mekanismer som modifierar Hebbs synaps i det centrala nervsystemets synapser hos ryggradsdjur är mycket svårare att kontrollera än hos de relativt enkla perifera nervsystem med sypapser som finns hos marina ryggradslösa djur. Mycket av arbetet hos långvariga synaptiska experiment mellan neuron (såsom long-term potentiation) involverar användandet av icke-fysiologisk experimentell stimulering av neuron.

Dock verkar några fysiologiskt relevanta synapsmodifieringar hos mekanismerna som studerats hos ryggradsdjur vara exempel på hebbianska processer. Sammanställningar av experiment pekar på att långvariga förändringar i synaptisk styrka kan induceras av fysiologiskt relevant synaptisk aktivitet genom både hebbianska och icke-hebbianska mekanismer.

Utifrån perspektivet av artificiella neuron och artificiella neurala nätverk, kan Hebbs teori användas för att beskriva hur man ska förändra viktningen mellan modell och neuron. Viktningen mellan två neuron ökar ifall bägge neuron aktiveras simultant och minskar ifall de aktiveras separat. Nod-par som tenderar ha en inbördes enhetlighet (antingen positiva eller negativa) vid samma tidpunkt, har stark positiv viktning och de som tenderar att ha motsatt förhållande har stark negativ viktning.

Denna ursprungliga princip är kanske den enklaste formen av viktningsurval. Den kan relativt enkelt omkodas till ett datorprogram och sedan användas för att vikta ett nätverk. Detta medför flera användningsområden för hebbiansk inlärning. Idag används termen hebbiansk inlärning som ett generellt samlingsnamn för olika former av matematiska abstraktioner av den ursprungliga principen som Hebb lade fram.

• BCM teori
• Long-term potentiation
• Minne
• Metaplasticitet
• Neurala nätverk

Den här artikeln är helt eller delvis baserad på material från engelskspråkiga Wiki, Hebbian theory, 14 maj 2010.

• Hebb, D.O. (1949), The organization of behavior, New York: Wiley 
• Hebb, D.O. (1961). ”Distinctive features of learning in the higher animal”. Brain Mechanisms and Learning. London: Oxford University Press 
• Hebb, D.O. (1 maj 1940). ”Human behaviour after extensive bilateral removal from the frontal lobes”. Archives of Neurology and Psychiatry "44": ss. 421–436. 
• Allport, D.A. (1985). ”Distributed memory, modular systems and dysphasia”. 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) 
• Paulsen, O. (1 maj 2000). ”Natural patterns of activity and long-term synaptic plasticity”. Current opinion in neurobiology "10" (2): ss. 172–179. doi:10.1016/S0959-4388(00)00076-3. PMID 10753798. 

• Översikt
• Hebbian Learning tutorial (Part 1: Novelty Filtering, Part 2: PCA)