ข้อดีของการใช้เครือข่ายประสาทแบบเบย์คืออะไร

12

เมื่อเร็ว ๆ นี้ฉันอ่านบทความเกี่ยวกับโครงข่ายประสาท Bayesian (BNN) [Neal, 1992] , [Neal, 2012]ซึ่งให้ความน่าจะเป็นความสัมพันธ์ระหว่างอินพุตและเอาต์พุตในเครือข่ายประสาท การฝึกอบรมเช่นโครงข่ายประสาทเทียมคือผ่าน MCMC ซึ่งแตกต่างจากอัลกอริธึมการขยายพันธุ์แบบเดิม

คำถามของฉันคืออะไรประโยชน์ของการใช้เครือข่ายประสาทดังกล่าวคืออะไร? โดยเฉพาะคุณสามารถให้ตัวอย่างที่เหมาะสมกับ BNN มากกว่า NN หรือไม่?

bayesian neural-networks bayesian-network

— fishiwhj
แหล่งที่มา

9

ตาข่ายประสาทแบบเบย์มีประโยชน์สำหรับการแก้ปัญหาในโดเมนที่มีข้อมูลที่หายากเป็นวิธีการป้องกันไม่ให้ข้อมูลมากเกินไป พวกเขามักเอาชนะวิธีอื่นทั้งหมดในสถานการณ์เช่นนี้ ตัวอย่างการใช้งานคืออณูชีววิทยา ( เช่นเอกสารนี้ ) และการวินิจฉัยทางการแพทย์ (พื้นที่ที่ข้อมูลมักมาจากงานที่ต้องเสียค่าใช้จ่ายสูงและยาก) จริงๆแล้วอวนแบบเบย์นั้นมีประโยชน์เป็นเอกเทศและสามารถได้รับผลลัพธ์ที่ดีกว่าสำหรับงานจำนวนมาก แต่พวกเขาก็ยากที่จะปรับแก้ปัญหาที่มีขนาดใหญ่มาก

— เดนิสทาราซอฟ
แหล่งที่มา

2

คุณขยายได้ไหมว่าทำไมอวนของเบย์จึงยากต่อการปรับขนาด

— Ellis Valentiner

6

$\bar{f}(x′|x,t)=∫f(x′,ω)p(ω|x,t)dω$ $f$ $x'$ $ω$ $\sigma(x′)=\sqrt{∫[f(x′,ω)−\bar{f}(x′|x,t)]^2p(ω|x,t)dω}$

— Michelle K
แหล่งที่มา

1

นี่เป็นส่วนเสริมที่น่าสนใจสำหรับการสนทนา แต่สั้น ๆ ตามมาตรฐานของเรา คุณช่วยอธิบายรายละเอียดเล็กน้อยและอาจรวมถึงการอ้างอิงได้หรือไม่?

— Sycorax พูดว่า Reinstate Monica

\bar{f} (x^{'} | x, t) = \int f (x^{'}, ω) p (ω | x, t) d ω

$\bar{f}(x'|x,t) = \int{f(x',\omega)p(\omega|x,t) d\omega}$

ω

$\omega$

x, t

$x,t$

σ (x^{'}) = \sqrt{(} \int [f (x^{'}, ω) - \bar{f} (x^{'} | x, t)]^{2} p (ω | x, t) d ω)

$\sigma(x') = \sqrt(\int{[f(x',\omega)-\bar{f}(x'|x,t)]^2p(\omega|x,t) d\omega})$

โปรดแก้ไขสิ่งนี้เป็นคำตอบของคุณ

— Sycorax พูดว่า Reinstate Monica