神经网络和贝叶斯网络关系

人工神经网络和贝叶斯网络的共同点：

1、他们都是有向图，每一个节点的取值只取决于前一级的节点，而与更前面的节点无关，也就是说遵从马尔科夫假设

2、他们的训练方式都相似

3、对于很多模式分类问题，这两种方法在效果上相似，也就是说很多用人工神经网络解决的问题，也能用贝叶斯网络解决，反之亦然，但是他们的效率可能会不同。都可以说是统计模型，在准确性上类似

4、训练的计算量都特别的大

不同点：

1、贝叶斯是生成模型（联合概率），神经网络是判别模型（已知模型，训练参数）

2、人工神经网络在结构上是完全标准化的，而贝叶斯网络更灵活

3、虽然神经元函数为非线性函数，但是各个变量只能先进行线性组合，最后对一个变量（即前面组合出来的结果）进行非线性变换，因此用计算机实现起来比较容易。而在贝叶斯网络中，变量可以组合成任意的函数，毫无限制，在获得灵活性的同时，也增加了复杂性。

4、贝叶斯网络更容易上下文前后的相关性，因此可以解码一个输入的序列，比如将一段语音识别成文字，或者将一个英语句子翻译成中文。而人工神经网络的输出是独立，它可以识别一个个字，但很难处理一个序列，因此它主要的应用常常是估计一个概率模型的参数，比如语音识别中声学模型参数的训练、机器翻译中语音模型参数的训练，等等，而不是作为解码器。

5、贝叶斯网络是白盒，神经网络是黑盒！