बायेसियन न्यूरल नेटवर्क का उपयोग करने के क्या फायदे हैं

12

हाल ही में मैंने बायेसियन न्यूरल नेटवर्क (बीएनएन) [नील, 1992] , [नील, 2012] के बारे में कुछ पेपर पढ़े , जो तंत्रिका नेटवर्क में इनपुट और आउटपुट के बीच संभाव्यता संबंध देता है। इस तरह के एक तंत्रिका नेटवर्क का प्रशिक्षण MCMC के माध्यम से होता है जो पारंपरिक बैक-प्रचार एल्गोरिथ्म से अलग है।

मेरा सवाल है: इस तरह के एक तंत्रिका नेटवर्क का उपयोग करने का क्या फायदा है? अधिक विशेष रूप से, आप कुछ उदाहरण प्रदान कर सकते हैं जो एनएन के बजाय बीएनएन को बेहतर रूप से फिट करते हैं?

bayesian neural-networks bayesian-network

— fishiwhj
स्रोत

9

बायेसियन न्यूरल नेट उन डोमेन में समस्याओं को हल करने के लिए उपयोगी होते हैं जहां डेटा की कमी होती है, ओवरफिटिंग को रोकने के तरीके के रूप में। वे अक्सर ऐसी स्थितियों में अन्य सभी तरीकों को हरा देते हैं। उदाहरण अनुप्रयोग आणविक जीव विज्ञान हैं ( उदाहरण के लिए यह कागज ) और चिकित्सा निदान (ऐसे क्षेत्र जहां डेटा अक्सर महंगा और कठिन समाप्ति कार्य से आते हैं)। वास्तव में, बायेसियन नेट्स काफी उपयोगी होते हैं और बड़ी संख्या में कार्यों के लिए बेहतर परिणाम प्राप्त कर सकते हैं, लेकिन बड़ी समस्याओं के पैमाने के लिए वे बेहद मुश्किल हैं।

— डेनिस तारासोव
स्रोत

2

क्या आप इस पर विस्तार कर सकते हैं कि बायेसियन नेट को स्केल करना मुश्किल क्यों है?

— एलिस वैलेंटाइन

6

बीएनएन एनएन पर एक लाभ यह है कि आप अज्ञात लक्ष्यों के डेटा से निपटने के दौरान स्वचालित रूप से अपनी भविष्यवाणियों से जुड़ी एक त्रुटि की गणना कर सकते हैं। बीएनएन के साथ, हम अब बायेसियन इंट्रेंस कर रहे हैं। चलो के रूप में हमारे BNN भविष्यवाणी को परिभाषित , जहां एनएन समारोह है, अपने आदानों कर रहे हैं, $\bar{f}(x′|x,t)=∫f(x′,ω)p(ω|x,t)dω$ $f$ $x'$ $ω$ एनएन पैरामीटर हैं, और एक्स, टी प्रशिक्षण इनपुट और लक्ष्य हैं। यह @forecaster द्वारा दिए गए लिंक में नील द्वारा उपयोग किए गए सिंटैक्स के साथ संगत होना चाहिए। फिर हम पीछे भविष्य कहनेवाला वितरण, जो मैं भोलेपन से भविष्यवाणी पर एक सटीकता के रूप में प्रयोग करेंगे की एक मानक विचलन की गणना कर सकते हैं: $\sigma(x′)=\sqrt{∫[f(x′,ω)−\bar{f}(x′|x,t)]^2p(ω|x,t)dω}$

— मिशेल के
स्रोत

1

यह बातचीत का एक दिलचस्प जोड़ है, लेकिन यह हमारे मानकों से थोड़ा छोटा है। क्या आप थोड़ा विस्तार कर सकते हैं और शायद एक संदर्भ भी शामिल कर सकते हैं?

— साइकोरैक्स का कहना है कि

ज़रूर। बीएनएन के साथ, हम अब बायेसियन इंट्रेंस कर रहे हैं। चलो के रूप में हमारे BNN भविष्यवाणी को परिभाषित

, जहां च एनएन समारोह है, एक्स 'अपने आदानों कर रहे हैं,

एनएन पैरामीटर हैं, और

\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

$x,t$ प्रशिक्षण इनपुट और लक्ष्य हैं। यह @forecaster द्वारा दिए गए लिंक में नील द्वारा उपयोग किए गए सिंटैक्स के साथ संगत होना चाहिए। फिर हम पीछे भविष्य कहनेवाला वितरण, जो मैं भोलेपन से भविष्यवाणी पर एक सटीकता के रूप में प्रयोग करेंगे की एक मानक विचलन की गणना कर सकते हैं:

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

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

— मिशेल कश्मीर

कृपया इसे अपने उत्तर में संपादित करें।

— साइकोरैक्स का कहना है कि मोनिका