
베이지안 가산 회귀 트리(BART) 원리를 적용하여 회귀 작업을 위한 소규모 신경망 앙상블을 학습한다. 마르코프 체인 몬테카를로 기법을 사용하여 단일 은닉층을 가진 신경망의 사후 분포에서 샘플링한다. 깁스 샘플링을 적용하여 각 신경망을 대상 잔차 값에 대해 업데이트한다. 벤치마크 회귀 문제에서 이 기법의 효과를 입증하고, 동등한 얕은 신경망, BART, 일반 최소 제곱법과 비교한다. 베이지안 가산 회귀 신경망(BARN)은 더 일관되고 종종 더 정확한 결과를 제공한다.
