機械学習において、デルタ・ルールは、単一層ニューラル・ネットワーク内の人工ニューロンへの入力の重みを更新するための勾配降下学習ルールである。より一般的な逆伝播アルゴリズムの特殊なケースです。活性化関数${\displaystyle g(x)}$を持つニューロン${\displaystyle j}$に対して、${\displaystyle j}$ ${\displaystyle i}$ th重み${\displaystyle w_{ji}}$に対するデルタルールは、
${\displaystyle \Delta w_{ji}=\alpha (t_{j}-y_{j})g'(h_{j})x_{i}}$、
どこで
それは${\displaystyle h_{j}=\sum x_{i}w_{ji}}$と${\displaystyle y_{j}=g(h_{j})}$を保持しています。
デルタ規則は、線形活性化関数を有するニューロンについて、簡略化した形で一般的に述べられている
${\displaystyle \Delta w_{ji}=\alpha (t_{j}-y_{j})x_{i}}$
デルタルールはパーセプトロンの更新ルールに類似していますが、派生は異なります。パーセプトロンは、Heavisideステップ関数を活性化関数${\displaystyle g(h)}$として使用するため、${\displaystyle g'(h)}$はゼロには存在せず、他の場所ではゼロに等しく、デルタルールを直接適用することは不可能です。