Neural network 贝叶斯网络和神经网络之间的关系是什么？

我正在寻找用CUDA实现的计算繁重的任务，并想知道神经网络或贝叶斯网络是否适用。不过，这不是我的问题，而是两种网络类型之间的关系是什么。它们似乎非常相关，特别是如果你看看具有学习能力的贝叶斯网络（维基百科上的文章提到了这一点）。乍一看，贝叶斯网络看起来有点像一种特定类型的神经网络。有人能总结一下他们之间的关系吗？除了表面上的相似性之外，还有什么联系吗？

的确如此。我把贝叶斯网络看作是大规模应用贝叶斯定理的神经网络，但我不记得细节。我知道在哪里可以找到它们，我推荐这本书。

这说明贝叶斯网络更能抵抗某些神经网络中的“过度训练”。换言之，一些神经网络对训练中使用的观测测量值进行了“训练”，因此它们在一般情况下没有用处。

贝叶斯网络表示变量之间的独立（和依赖）关系。因此，链接表示概率意义上的条件关系。一般来说，神经网络没有这样的直接解释，事实上，大多数神经网络的中间节点都是被发现的特征，而不是与它们自身相关的任何谓词

嗯。。。我一直认为贝叶斯统计就是发现关系而不是分配关系。在某种程度上，这是正确的，因此学习贝叶斯网络的结构和学习给定网络的参数是有区别的。事实证明，您可以学习几种看似合理的结构，但很难知道是否缺少变量。参见Judea Pearl的“因果关系”实际上，我想得越多，需要强调的关键点是节点和链接是通过Bayes规则连接的，因此在进一步的数据中会受到Bayes更新的影响。除此之外，我不确定什么可以恰当地归因于贝叶斯。应该迁移到这一点是不正确的。