不，贝叶斯网络和深度信念网络不是一回事。

• 贝叶斯网络是一种概率图形模型，其中顶点是随机变量，边是条件依赖。对于大量随机变量，我们使用图结构假设将联合分布分解在可管理的水平。在贝叶斯网络中，有两个主要任务，学习和推理。学习的最终目标是获得数据的联合分布，而推理的目标是尝试计算给定事件的概率，假设你已经有了模型

• 如您提供的链接中所述：

“神经网络”是一个通常用来指代前馈神经网络的术语。深度神经网络是具有多层的前馈神经网络。

你可以认为神经网络只是一个很大的非线性函数，它可以近似复杂的结果。这里的节点是“神经元”，边缘是“连接”，它们本质上是功能的构建块。

信念网络是贝叶斯网络的同义词，而深度信念网络是一类深度神经网络（实际上是具有有向边和无向边的混合图形模型，但相当于深度神经网络）。

深度神经网络无非是可以用计算图表示的复杂功能组合，其隐藏神经元中的值不能解释为概率（通常是黑盒子），但可以看作是一个学习学习的过程。信念网络是无环有向图，参数都可以解释为概率，它们最适合可证明的正确推理。