概念Bayesian Neural Network / BNN
贝叶斯神经网络
将贝叶斯推断引入神经网络的方法，对网络权重建立概率分布而非点估计，能够系统地量化模型的认知不确定性，适用于数据稀缺或高风险决策场景
时间轴 (近 90 天)
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12日
贝叶斯方法（如 MC Dropout、贝叶斯神经网络）从参数后验分布出发，通过多次随机前向传播采样来近似预测分布。
待验证50%
10月8日
arXiv论文(arXiv:2610.09132v1)研究了贝叶斯神经网络中宽度增大时的先验主导现象
待验证50%
10月8日
当网络宽度M增大时，KL项随参数数量线性增长，而期望对数似然项增长速度相对较慢，这是先验主导现象的根本数学原因
待验证50%
9月11日
MC Dropout通过在推理时保持Dropout激活并多次前向传播来近似贝叶斯推断，从预测方差中量化认知不确定性
待验证50%