以前にヘッブの学習について別の質問をしましたが、良い答えが得られたと思いますが、問題は、ヘッブの学習について完全に誤解していることに気づき、少し混乱していることです。
では、それがどのように役立つのか、そして何のためにあるのか説明していただけますか？ウィキペディアや他のいくつかのページがそれを説明しているので、それは意味がありません！一緒に発火した場合、なぜ入力ニューロンと出力ニューロンの間の重みを増やし続けたいのでしょうか。頭の中でシミュレートすると、基本的なAND、OR、およびその他の操作を確実に実行できないため、どのような問題を解決するために使用できますか（たとえば、重みをゼロに初期化すると、出力ニューロンは起動しません。そして、重みは決して増加しません！）
あなたの質問はかなり理論に関連しているようで、SOに属するかどうかはわかりませんが、ニューラルネットワークに直接接続されているので、答えてみます。
入力ニューロンと出力ニューロンが同時に発火する場合、それらの間の重みを増やします。
論理関数の例を使用してみましょう。関数には、AND2 つの入力ニューロンがあります。入力データが(0, 0)の場合、入力ニューロンも出力も発火しないことを意味します。したがって、この場合、強力な接続は必要ありません。
次に入力を取ります(1, 1)。両方の入力ニューロンが発火し、出力も発火します。この対応を学習するために、ネットワークは入力と出力を接続する重みを増やす必要があります (基本的には、入力とバイアス ニューロンを合計する問題であることを思い出してください)。
最後に、出力が(1, 0)またはの場合(0, 1)、出力が0であるため、どちらの接続も出力ニューロンを単独でアクティブにするほど強くないことをネットワークに伝えます。
それが理にかなっていることを願っています。