用于估计神经网络的全局不确定性的方法

摘要

本发明描述一种用于估计计算机实现的主神经网络的输出数据的全局不确定性的方法，其包括以下步骤：确定(102)第一量度，第一量度量化主神经网络的当前输入数据遵循与用于训练主神经网络的数据的分布相同的分布的程度；生成(103)第二量度，第二量度量化主神经网络在其自身的基于输入数据的预测中的确定性，尤其通过使用至少一种贝叶斯方法、例如贝叶斯神经网络或基于集成的方法生成第二量度；基于输入数据中的类区分特征的估计以及该特征与类激活概率分布的比较，确定(104)第三量度，尤其其中，在主神经网络的训练期间，基于估计的类区分特征创建类激活概率分布；基于第一量度、第二量度和第三量度中的至少两个量度，确定(105)全局不确定性。