论贝叶斯网络与神经网络的相对表达能力
人工智能
2018-12-24 v1 机器学习
摘要
神经网络计算一个函数。神经网络的一个中心性质是它们是“通用逼近器”：对于给定的连续函数，存在一个神经网络可以在足够多的神经元（以及一些附加假设）下任意好地逼近它。相比之下，贝叶斯网络是一个模型，但其每个查询可视为计算一个函数。在本文中，我们指出了神经网络计算的函数与边际贝叶斯网络查询计算的函数之间的若干关键区别，表明前者比后者更具表达力。此外，我们提出了对贝叶斯网络的一个简单增强（一个测试算子），使其边际查询成为“通用逼近器”。
引用
@article{arxiv.1812.08957,
title = {On the Relative Expressiveness of Bayesian and Neural Networks},
author = {Arthur Choi and Ruocheng Wang and Adnan Darwiche},
journal= {arXiv preprint arXiv:1812.08957},
year = {2018}
}