微分Hebb学习（differential Hebb learning），工学-控制科学与工程-智能控制-智能控制-模糊控制-人工神经网络-神经网络学习算法，一种利用神经元输入或输出的导数信息对联结权重进行调整的Hebb学习。又称基于校正的学习。Hebb学习规则为神经网络的学习算法奠定了基础，在此基础上，人们提出了各种学习规则和算法，以适应不同网络模型的需要。有效的学习算法，使得神经网络能够通过联结权重的调整，构造客观世界的内在表征。微分Hebb学习是一种改进的Hebb学习算法，在权值的学习过程中，不仅可以利用神经元的输入输出瞬时信息，而且可利用神经元输入或者输出的导数信息。微分Hebb学习算法大约是在1985年被提出，随后被无监督学习的时间差分算法（temporal difference method）的强势研究势头所淹没。2003年，由于微分Hebb学习算法能够嵌入到闭环行为系统中，并能保证学习过程的收敛性，微分Hebb学习算法得到重新研究。