大卫·J·C·麦凯。 概率网络和似是而非的预测——监督神经网络实用贝叶斯方法综述。 （英语） Zbl 0834.68098号 网络 6，第3期，469-505（1995）。 概要：贝叶斯概率理论为数据建模提供了一个统一的框架。在此框架中，总体目标是找到与数据匹配良好的模型，并使用这些模型进行最佳预测。神经网络学习被解释为在给定训练数据的情况下，对模型的最可能参数进行推断。然后，在模型空间（即架构、噪声模型、预处理、正则化器和权重衰减常数的空间）中的搜索也可以被视为一个推理问题，在这个问题中，我们可以根据给定的数据推断出替代模型的相对概率。本文介绍了基于高斯近似的实用技术，用于实现这些用于控制、比较和使用自适应网络的强大方法。 引用于37文件 MSC公司： 68T05型 人工智能中的学习和自适应系统 关键词：神经网络学习;贝叶斯概率论;数据建模 PDF格式BibTeX公司 XML格式引用 \textit{D.J.C.MacKay}，网络6，No.3，469--505（1995；Zbl 0834.68098） 全文： 内政部