本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #1534
- 日期：2026-03-18
摘要
貝葉斯「證據」近似與廣義最大似然密切相關，最近被用來確定訓練神經網路的噪音和權重懲罰項。本文表明，執行精確計算比建立證據近似要簡單得多。此外，與該近似值不同的是，不必為每個新資料集重新計算確切的結果。它也不需要運行複雜的數位計算機程式碼（確切的結果是封閉形式）。此外，事實證明，對於神經網路來說，證據程序的 MAP 估計是「整體上」的近似誤差。精確分析的另一個優點是，它不會導致錯誤的直覺，例如聲稱可以「根據數據評估不同的先驗」。本文最後討論了證據近似成立的充分條件，以及這些條件的意義。儘管是用神經網路來表達的，但本文的分析適用於任何貝葉斯插值問題。