Übersichtstabelle: Lernregeln

Tabelle 1: Tabellarische Darstellung der Kernkonzepte, Eigenschaften sowie Vor- und Nachteile der Lernregeln: Hebb-Regel, Delta-Regel, Backpropagation und Competitive learning.
	Hebb-Regel	Delta-Regel	Backpropagation	Competitive Learning
Kernkonzept	Gleichzeitige Aktivierung	Vergleich: gewünscht vs. beobachtet; Gradientenverfahren	Backward-pass; Gradientenverfahren	"The winner takes it all."
Art der Lernregel	Als supervised, unsupervised und reinforcement learning möglich	Supervised learning	Supervised learning	Unsupervised learning
Biologische Plausibilität?	Teilweise	Eher nicht	Eher nicht	Teilweise
Netztypen, die auf diese Lernregel zurückgreifen (u.a.)	Pattern Associator; Auto Associator	Pattern Associator; Auto Associator	Simple Recurrent Networks, Jordan Netze	Kompetitive Netze; konzeptuell auch in Kohonennetzen
Vorteile	Einfachheit, biologische Plausibilität	Einfachheit, relativ leicht zu implementieren	Auch bei Netzen mit Hidden-Units einsetzbar; größere Mächtigkeit im Ver-gleich zur Delta-Regel	Unsupervised learning; biologische Plausibilität
Nachteile	In der "klassischen" Form: Überlaufen der Werte der Gewichte und geringe Mächtigkeit des Systems	Nicht bei Netzen mit Hidden-Units einsetz-bar; fragwürdige bio-logische Plausibilität; geringe Mächtigkeit des Systems	Fragwürdige biologische Plausibilität; lokale Minima	Einzelne Output-Unit kann alle Inputmuster "an sich reißen" --> keine Kategorisierung mehr