Neues Verfahren zur Unsicherheitsabschätzung mit variancengesteuerten Verteilungen
In der Bewertung von Unsicherheiten einzelner Vorhersagen neuronaler Netze spielt die Genauigkeit eine entscheidende Rolle, besonders bei Entscheidungen mit hohem Risiko. Traditionell wird die Unsicherheit aus der Vorhersageverteilung von Bayesschen oder approximativen Modellen abgeleitet und in epistemische (modellbezogene) sowie aleatorische (datenbezogene) Komponenten zerlegt. Diese additive Zerlegung steht jedoch zunehmend in der Kritik.
