贝叶斯网络和神经网络的区别

参考内容一：

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。

参考内容二：

1) 贝叶斯网络是generative model，神经网络是discriminative model。这是最根本的。

2) 贝叶斯网络中的每个点代表一个随机变量，都是具有实际含义、需要人为设计的，点和点之间的边代表因果关系；神经网络中的点不是随机变量，难以解释它们的实际含义，想要多少就可以有多少，点和点之间的边仅代表函数关系。（神经网络的有些扩展给点加入了随机性，但这不是神经网络的本质）