Quais são as vantagens de usar uma rede neural bayesiana

Recentemente, li alguns artigos sobre a rede neural bayesiana (BNN) [Neal, 1992] , [Neal, 2012] , que fornece uma relação de probabilidade entre a entrada e a saída em uma rede neural. O treinamento dessa rede neural é feito através do MCMC, que é diferente do algoritmo tradicional de retropropagação.

Minha pergunta é: Qual é a vantagem de usar uma rede neural? Mais especificamente, você poderia fornecer alguns exemplos que se encaixam melhor no BNN do que no NN?

As redes neurais bayesianas são úteis para resolver problemas em domínios em que os dados são escassos, como forma de evitar o ajuste excessivo. Eles geralmente vencem todos os outros métodos em tais situações. Exemplos de aplicações são biologia molecular ( por exemplo, este artigo ) e diagnóstico médico (áreas em que os dados geralmente vêm de trabalhos expiratórios caros e difíceis). Na verdade, as redes bayesianas são úteis universalmente e podem obter melhores resultados para um grande número de tarefas, mas são extremamente difíceis de dimensionar para grandes problemas.

$\bar{f}(x′|x,t)=∫f(x′,ω)p(ω|x,t)dω$$f$$x'$$ω$$\sigma(x′)=\sqrt{∫[f(x′,ω)−\bar{f}(x′|x,t)]^2p(ω|x,t)dω}$