¿Cómo se relacionan las redes bayesianas con las redes de creencias profundas? ¿Son iguales?
Del puesto ¿Cuál es la diferencia entre una red neuronal y una red de creencia profunda? ,
He deducido que las redes de creencias profundas son como las redes neuronales profundas en las que los pesos y los sesgos se establecen mediante iteraciones de un algoritmo no supervisado. (De todos modos, espero haberlo entendido bien).
No, la red bayesiana y la red de creencia profunda no son lo mismo.
La red bayesiana es un tipo de modelo gráfico probabilístico donde los vértices son variables aleatorias y las aristas son dependencias condicionales. Para un gran número de variables aleatorias, utilizamos los supuestos de la estructura gráfica para descomponer la distribución conjunta en un nivel manejable. En una red bayesiana, hay dos tareas principales: el aprendizaje y la inferencia. El objetivo final del aprendizaje es obtener la distribución conjunta de los datos, y el objetivo de las inferencias es tratar de calcular la probabilidad de un evento dado, suponiendo que ya se tiene el modelo
Como se menciona en el enlace que has proporcionado:
"Redes neuronales" es un término que se suele utilizar para referirse a las redes neuronales feedforward. Las redes neuronales profundas son redes neuronales con muchas capas.
Se puede pensar que la red neuronal es sólo una gran función no lineal, que puede aproximar resultados complicados. En este caso, los nodos son "neuronas" y las aristas son "conexiones", y son esencialmente bloques de construcción de una función.
La red de creencia es un sinónimo de la red bayesiana, mientras que las redes de creencia profundas son una clase de redes neuronales profundas (en realidad son modelos gráficos híbridos con aristas dirigidas y aristas no dirigidas, pero son equivalentes a las redes neuronales profundas).
Las redes neuronales profundas no son más que complejas composiciones funcionales que pueden ser representadas por gráficos de computación, y los valores en sus neuronas ocultas no pueden ser interpretados como probabilidades(a menudo caja negra), sino que puede ser visto como un proceso de aprender a aprender . Las redes de creencia son grafos dirigidos acíclicos y los parámetros pueden interpretarse como probabilidades, y son las mejores para la inferencia correcta demostrable.
I-Ciencias es una comunidad de estudiantes y amantes de la ciencia en la que puedes resolver tus problemas y dudas.
Puedes consultar las preguntas de otros usuarios, hacer tus propias preguntas o resolver las de los demás.
