Teoria Hebbiana

Avaliação | Biopsicologia | Comparativo |Cognitivo |Linguagem | Diferenças individuais |Personalidade | Filosofia |Filosofia |Social |4321>Métodos |Estatísticas |Clínicas |Educativas |Educativas |Industriais |Profissionais |Psicologia Mundial |

Psicologia Cognitiva:Atenção – Tomada de decisões -Aprendizagem -Juízo -Memória – Motivação – Percepção – Raciocínio -Pensamento -Processos cognitivosCognição -OutlineIndex

Teoria Hebbiana descreve um mecanismo básico para a plasticidade sináptica em que um aumento da eficácia sináptica surge da estimulação repetida e persistente da célula pré-sináptica. Introduzido por Donald Hebb em 1949, também é chamado de regra de Hebb, postulado de Hebb, e teoria da montagem celular, e afirma:

Vamos assumir que a persistência ou repetição de uma atividade reverberatória (ou “traço”) tende a induzir mudanças celulares duradouras que aumentam a sua estabilidade…. Quando um axônio da célula A está suficientemente próximo para excitar uma célula B e participa repetida ou persistentemente na queima da mesma, algum processo de crescimento ou mudança metabólica ocorre em uma ou ambas as células, de modo que a eficiência de A, como uma das células que dispara B, é aumentada.

A teoria é freqüentemente resumida como “células que disparam juntas, conectam-se”, embora isto seja uma simplificação excessiva do sistema nervoso para não ser tomada literalmente, assim como não representa com precisão a afirmação original de Hebb sobre mudanças na força da conectividade celular. A teoria é comumente evocada para explicar alguns tipos de aprendizagem associativa em que a ativação simultânea das células leva a aumentos pronunciados na força sináptica. Tal aprendizado é conhecido como aprendizado Hebbiano.

Engramas Hebbianos e teoria da montagem de células

A teoria Hebbiana diz respeito a como os neurônios podem se conectar para se tornarem engramas. As teorias de Hebb sobre a forma e função dos conjuntos de células podem ser entendidas a partir do seguinte:

“A idéia geral é antiga, que quaisquer duas células ou sistemas de células que estejam repetidamente ativos ao mesmo tempo tenderão a se tornar ‘associados’, de modo que a atividade em uma facilita a atividade na outra”. (Hebb 1949, p. 70) “Quando uma célula ajuda repetidamente a disparar outra, o axônio da primeira célula desenvolve botões sinápticos (ou os amplia se já existirem) em contato com o somatório da segunda célula”. (Hebb 1949, p. 63)

Gordon Allport apresenta idéias adicionais sobre a teoria da montagem de células e seu papel na formação de engramas, de acordo com o conceito de auto-associação, descrito a seguir:

“Se os inputs de um sistema fazem com que o mesmo padrão de atividade ocorra repetidamente, o conjunto de elementos ativos que constituem esse padrão se tornará cada vez mais fortemente interassociado. Ou seja, cada elemento tenderá a ligar todos os outros elementos e (com pesos negativos) a desligar os elementos que não fazem parte do padrão. Dito de outra forma, o padrão como um todo se tornará ‘auto-associado’. Podemos chamar um padrão aprendido (auto-associado) de “engrama”. (Hebb 1949, p. 44)

A teoria hebraica tem sido a base primária para a visão convencional de que, quando analisados a partir de um nível holístico, engramas são redes neuronais ou redes neurais.

O trabalho no laboratório de Eric Kandel tem fornecido evidências para o envolvimento de mecanismos de aprendizagem hebraica em sinapses no gastrópode marinho Aplysia californica.

Experimentos sobre mecanismos de modificação de sinapses hebbianas no sistema nervoso central sinapses de vertebrados são muito mais difíceis de controlar do que experimentos com as sinapses relativamente simples do sistema nervoso periférico estudadas em invertebrados marinhos. Muito do trabalho sobre mudanças sinápticas duradouras entre os neurônios vertebrados (como a potenciação a longo prazo) envolve o uso de estimulação experimental não fisiológica de células cerebrais. Entretanto, alguns dos mecanismos de modificação sináptica fisiologicamente relevantes que têm sido estudados em cérebros de vertebrados parecem ser exemplos de processos Hebbianos. Um desses estudos revisa resultados de experimentos que indicam que mudanças duradouras nas forças sinápticas podem ser induzidas por atividade sináptica fisiologicamente relevante trabalhando através de mecanismos Hebbianos e não-Hebbianos

Princípios

Do ponto de vista dos neurônios artificiais e redes neurais artificiais, o princípio de Hebb pode ser descrito como um método para determinar como alterar os pesos entre os neurônios modelo. O peso entre dois neurônios aumenta se os dois neurônios são ativados simultaneamente – e reduz se eles são ativados separadamente. Os nós que tendem a ser positivos ou negativos ao mesmo tempo têm fortes pesos positivos, enquanto aqueles que tendem a ser opostos têm fortes pesos negativos.

Este princípio original é talvez a forma mais simples de seleção de peso. Enquanto isso significa que pode ser codificado com relativa facilidade em um programa de computador e usado para atualizar os pesos para uma rede, também proíbe o número de aplicações do aprendizado Hebbiano. Hoje, o termo aprendizagem Hebbian refere-se geralmente a alguma forma de abstração matemática do princípio original proposto por Hebb. Neste sentido, a aprendizagem Hebbiana envolve que os pesos entre os nós de aprendizagem sejam ajustados para que cada peso represente melhor a relação entre os nós. Como tal, muitos métodos de aprendizagem podem ser considerados de alguma forma Hebbianos por natureza.

O que se segue é uma descrição formulada da aprendizagem Hebbiana: (note que muitas outras descrições são possíveis)

onde é o peso da conexão do neurônio ao neurônio e a entrada para o neurônio . Note que este é o padrão de aprendizagem (pesos actualizados após cada exemplo de treino). Em uma rede Hopfield, as conexões são definidas para zero se (nenhuma conexão reflexiva permitida). Com neurônios binários (ativações 0 ou 1), as conexões seriam definidas para 1 se os neurônios conectados tivessem a mesma ativação para um padrão.

Outra descrição da fórmula é:

,

onde é o peso da conexão do neurónio ao neurónio , é o número de padrões de treino, e a entrada para o neurónio . Isto é aprendizado por época (pesos atualizados depois que todos os exemplos de treinamento são apresentados). Novamente, em uma rede Hopfield, as conexões são definidas para zero se (sem conexões reflexivas).

Uma variação da aprendizagem Hebbian que leva em conta fenômenos como o bloqueio e muitos outros fenômenos de aprendizagem neural é o modelo matemático de Harry Klopf. O modelo de Klopf reproduz um grande número de fenômenos biológicos, e também é simples de implementar.

Generalização e estabilidade

A regra de Hebb é muitas vezes generalizada como

,

ou a mudança no ésimo peso sináptico é igual a uma taxa de aprendizagem vezes a a entrada vezes a resposta pós-sináptica . Muitas vezes citado é o caso de um neurônio linear,

,

e a simplificação da seção anterior leva tanto a taxa de aprendizado quanto os pesos de entrada a serem 1. Esta versão da regra é claramente instável, pois em qualquer rede com um sinal dominante os pesos sinápticos aumentarão ou diminuirão exponencialmente. No entanto, pode ser mostrado que para qualquer modelo de neurônio, a regra de Hebb é instável. Portanto, modelos de rede de neurônios geralmente empregam outras teorias de aprendizagem como a teoria BCM, a regra de Oja ou o Algoritmo Hebbiano Generalizado.

Ver também

• Aprendizagem Anti-Hebbiana
• Teoria MBC
• Detecção da Coincidência em Neurobiologia
• Princípio de Dale
• Generalização do Algoritmo Hebbiano
• Leabra
• Long-termo potenciação
• Memória
• Metaplasticidade
• Redes naturais
• Regra de aprendizagem
• Estimulação tetânica
• Plasticidade dependente do tempo de pico
• Hipótese sinaptotrópica

Leitura adicional

• Hebb, D.O. (1949), The organization of behavior, New York: Wiley
• Hebb, D.O. (1961). “Distinctive features of learning in the higher animal” J. F. Delafresnaye (Ed.) Brain Mechanisms and Learning, Londres: Oxford University Press.
• Hebb, D.O., e Penfield, W. (1940). Comportamento humano após extensa remoção bilateral dos lobos frontais. Archives of Neurology and Psychiatry 44: 421-436.
• Allport, D.A. (1985). “Distributed memory, modular systems and dysphasia” Newman, S.K. e Epstein, R. (Eds.) Current Perspectives in Dysphasia, Edinburgh: Churchill Livingstone.
• Bishop, C.M. (1995). Neural Networks for Pattern Recognition (Redes Neurais para o Reconhecimento de Padrões), Oxford: Oxford University Press.
• Paulsen, O., Sejnowski, T. J. (2000). Natural patterns of activity and long-term synaptic plasticity (Padrões naturais de atividade e plasticidade sináptica a longo prazo). Opinião atual em neurobiologia 10 (2): 172-179.

• Overvisão
• Tutorial de Aprendizagem Hebbiana (Parte 1: Filtragem de Novidades, Parte 2: PCA)

>

Esta página usa o conteúdo Creative Commons licenciado da Wikipedia (ver autores).