概念MC Dropout / Monte Carlo Dropout / 蒙特卡洛Dropout熵
蒙特卡洛Dropout
一种贝叶斯深度学习近似方法，通过在推理阶段保留Dropout并进行多次随机前向传播来估计模型预测的不确定性，常用于检测分布偏移
时间轴 (近 90 天)
10月18日
在合成微电网轨迹上，基于采样的生成头（轻量级扩散或流匹配头）的校准表现最佳，优于变分推断和蒙特卡洛Dropout/深度集成。
待验证50%
10月12日
不确定性估计的常见实现方法包括蒙特卡洛 Dropout、深度集成和贝叶斯神经网络。
待验证50%
10月8日
蒙特卡洛Dropout熵作为替代指标，在全部八个测试事件中都成功捕捉到了分布偏移
待验证50%
10月8日
点估计置信度在分布偏移下会失效，而MC Dropout等贝叶斯式不确定性度量能真正识别信号失效
待验证50%