Postulat pembelajaran Hebb adalah aturan pembelajaran yang paling tua dan paling terkenal dari semua

aturan pembelajaran; dinamakan Hebbian karena penemunya adalah seorang neuropsikolog Donald
Hebb (1949). Dalam bukunya The Organization of Behaviour (1942,p.62) :

Hebb rule adalah metode pembelajaran yang paling sederhana. Pada metode ini pembelajaran dilakukan
dengan cara memperbaiki nilai bobot sedemikian rupa sehingga jika ada dua neuron yang terhubung dan
keduanya pada kondisi 'hidup' (on) pada saat yang sama, maka bobot antara keduanya di naikkan.
Apabila data direpresentasikan secara bipolar, maka perbaikan bobotnya adalah:
wi(baru) = wi(lama) + xi*y
dengan:
wi = bobot data input ke-i
xi = input data ke-i
y = output data

Algoritma pelatihan Hebb dengan vektor input s dan target t :

Inisialisasi semua bobot = 0 dan b = 0

Set masukan pi = si (i=1,2, , j ; j = jumlah input)

Set keluaran a = t

Untuk semua pi :

Perbaiki bobot : wi (baru) = wi (lama) + Dw dengan Dw = pi t

Perbaiki bias : b(baru) =b(lama) + D b dengan Db = t

Hitung :

Jika output net(n)= target maka jaringan hebb merngerti pola