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，节点代表神经元，边代表神经元之间的突触连接。这种图的结构反映了神经元之间的相互作用和连接强度。在学习和记忆过程中，如果两个神经元同时活跃，它们之间的连接（边）会增强；如果它们不同时活跃，连接可能会减弱或消失。这种连接的增强和减弱过程是学习和记忆的生物学基础。

在机器学习和人工智能领域，赫布图的概念被用来设计和优化神经网络。例如，在无监督学习中，赫布规则可以用来增强数据中相似模式的表示，从而帮助网络更好地区分和识别不同的模式。在自组织映射（Self-Organizing Maps, SOMs）中，赫布图的概念被用来形成拓扑结构，使得网络能够保持输入数据的拓扑关系。

总的来说，赫布图是一种描述神经元网络连接模式的工具，它在理解大脑功能和设计人工神经网络方面都有着重要的应用。