sieci ANN. W ostatnim dziesięcioleciu powstało wiele nowych algorytmów uczenia sieci. W części wykorzystują one reguły uczenia wypracowane o wiele wcześniej. Reguła Hebba opracowana 1949 r. jest szeroko stosowana w systemach ANN. Określa ją wzór &lt;gap&gt; w którym - współczynnik z przedziału (0,1), m - numer aktywowanego (pobudzanego) neuronu, j - oznacza krok procedury uczącej, i - numer wejścia m-tego neuronu, y - funkcja wyjścia neuronu, , - waga połączenia między elementami sieci, &lt;gap&gt; - sygnał wejściowy pobudzający element sieci.<br>W metodzie tej zmiana i-tej wagi m-tego elementu proporcjonalna jest do wartości sygnału wejściowego i wyjściowego tego elementu. Jeżeli w procesie uczenia pewna grupa elementów jest aktywowana