一、不确定性的定义及重要性 在神经网络中，不确定性指模型对预测结果的置信程度，反映了模型对输入数据的未知性或不可预测性。不确定性估计在以下场景中至关重要： • 安全关键系统（如自动驾驶、医疗诊断） • 主动学习（选择信息量最大的样本进行标注） • 对抗样本检测（识别异常输入） • 模型可靠性评估（防
发布于 2025-03-31
1. 问题背景 在生成模型（如VAE）中，潜在变量 z 通常从参数化分布（如高斯分布 z \sim \mathcal{N}(\mu, \sigma^2) ）中采样。直接采样会导致梯度无法通过随机节点回传，因为**采样操作本身不可导**。 核心目标： 使分布参数（如均值\mu 和方差\sigma^2）
发布于 2025-03-31
