深度学习的单模型不确定性

我们为深度神经网络提供偶然不确定性和认知不确定性的单模型估计。为估计偶然不确定性，我们提出同时分位数回归(SQR)，一种用于学习给定目标变量所有条件分位数的损失函数。这些分位数可用于计算良好校准的预测区间。为估计认知不确定性，我们提出正交证书(OCs)，一组将全部训练样本映射为零的多样化非常数函数。这些证书将分布外样本映射为非零值，从而指示认知不确定性。我们的不确定性估计器在计算上具有吸引力，因为它们不需要集成或重新训练深度模型，并取得了有竞争力的性能。