Explaining away是理解DBN的一个关键概念。

直观的解释是：证据增加并不使得事件不确定性减少。

如果：

$P(B|A)

就是Explaining away现象。

在该基础上，我们可以推导出：

$P(B)

推导如下：

假设，

          $P(A,B)=P(A)P(B)-k$ ，其中 $0\leq k\leq P(A)P(B)$ 。

从而，

          $P(B|A)=P(B)-\frac{k}{P(A)}$

          $P(B|\bar{A})=P(B)+\frac{k}{P(\bar{A})}$

因此，

          $P(B|A)\leq P(B)\leq P(B|\bar{A})$
在多层神经网络的Wake-Sleep算法中，由于表示分布 $Q(\alpha|d)$ 是因子形式分布，生成分布 $P(\alpha|d)$ 是因子形式分布 $P(d|\alpha)$ 的后验分布，因此可能存在Explaining away现象，即：

$P(\alpha_{1},\alpha_{2}...\alpha_{n}|d)\neq P(\alpha_{1}|d)P(\alpha_{2}|d)...P(\alpha_{n}|d)$
从而使得q(a|d)难以匹配p(a|d),增大了学习误差。