文章预览
论文作者：高君宇，陈孟沅，相良玉，徐常胜 作者单位：中国科学院自动化研究所 论文链接： https://arxiv.org/abs/2409.04720 主页链接：github.com/MengyuanChen21/ Awesome-Evidential-Deep-Learning 可靠的不确定性估计已成为深度学习算法在工业部署中的关键需求，尤其是在自动驾驶和医疗诊断等高风险应用中。然而，主流的不确定性估计方法，如基于深度集成或贝叶斯神经网络的方法，通常会带来大量的计算开销。为应对这一挑战，一种名为“证据深度学习”（EDL）的新范式应运而生，它在单次前向传播中提供可靠的不确定性估计，而无需额外的大量计算。本综述为读者提供了EDL当前研究的全面概述。 具体来说，我们首先介绍了EDL的理论基础——主观逻辑理论，并讨论了它与其他不确定性估计框架的区别。我们进一步从四个角度展现了EDL的理论进展：重新
………………………………
