Bayesian
使用貝葉斯神經網絡有什麼好處
最近我讀了一些關於貝葉斯神經網絡 (BNN) [Neal, 1992] , [Neal, 2012]的論文，它給出了神經網絡中輸入和輸出之間的概率關係。訓練這樣的神經網絡是通過 MCMC 來訓練的，這與傳統的反向傳播算法不同。
我的問題是：使用這樣的神經網絡有什麼好處？更具體地說，您能否提供一些更適合 BNN 而不是 NN 的示例？
貝葉斯神經網絡可用於解決數據稀缺領域中的問題，以防止過度擬合。在這種情況下，他們經常擊敗所有其他方法。示例應用是分子生物學（例如本文）和醫學診斷（數據通常來自昂貴且困難的過期工作的領域）。實際上，貝葉斯網絡普遍有用，可以在大量任務中獲得更好的結果，但它們很難擴展到大型問題。