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%