Deep Ensembles

Deep Ensembles（深度集成）是一种用于深度神经网络的不确定性估计方法，通过训练多个具有随机初始化的独立神经网络模型并聚合其预测结果来提升模型性能与可靠性。该方法可近似贝叶斯推断，能够有效捕捉预测不确定性，在分布外检测和鲁棒性评估中表现突出。其核心优势在于实现简单、可扩展性强，是深度学习领域概率预测与不确定性量化的重要基准方法之一。