贝叶斯神经网络在误差修正中的应用研究

针对传统神经网络在实际应用中暴露的泛化能力不强的缺点,使用正则化方法通过修正神经网络的训练性能函数来提高神经网络的泛化能力。再将贝叶斯推理与神经网络相结合,可以在网络训练过程中自适应地调节正则化参数的大小,并使其达到最优。最后通过仿真方法验证贝叶斯神经网络在误差修正中的可行性。