1 引言 突触可塑性 (Synaptic plasticity)指经验能够修改神经回路功能的能力。特指基于活动修改突触传递强度的能力，是大脑适应新信息的主要调查机制。分为短期和长期突触可塑性，分别作用于不同时间尺度，对感官刺激的短期适应和长期行为改变及记忆存储至关重要。 非对称 STDP 学习规则与对称 Hebbian 学习规则的区别 2 Hebbian学习规则 （1）数学模型 He

Hebbian图（Hebbian Graph）是一种基于神经科学原理的网络结构，它受到唐纳德·赫布（Donald Hebb）提出的赫布学习规则（Hebb’s rule）的启发。赫布学习规则是神经科学中描述神经元之间突触连接如何通过经验而改变的一个理论，通常被概括为“一起激发的神经元会连接在一起”（neurons that fire together, wire together）。 在赫布图中，

摘要 完全测试时自适应（Fully test-time adaptation）是指在推理阶段对输入样本进行序列分析，从而对网络模型进行自适应，以解决深度神经网络的跨域性能退化问题。我们从生物学合理性学习中获得灵感，其中神经元反应是基于局部突触变化过程进行调整的，并由竞争性侧抑制规则激活。基于这些前馈学习规则，我们设计了一个软Hebbian学习过程，为Test-Time adaption 提供了一