Neural Networks: Princípio de Hebb

Em 1949 Donald Hebb estudando redes neurais estabeleceu o seguinte princípio:

Se dois neurônios em conexão são ativado repetidas vezes simultaneamente, mudanças metabólicas ocorrem nas sinapses de sorte que a eficiência da conexão é melhorada.

Em redes neurais artificiais o princípio leva a que quando a rede apresenta um resultado correto os pesos são ajustados para cima.

Ou seja Wnovo = W velho + (alfa * x *y) onde W é o peso da conexão, alfa é a taxa de aprendizagem, x a entrada da rede e y a saída.
Para a rede aprender mais depressa, alfa deve ser aumentado.