密度感知证据深度学习的决策不确定性估计

本研究解决了证据深度学习（EDL）在检测和分类任务中的局限性，特别是在对分布外（OOD）数据的检测方面。提出的密度感知证据深度学习（DAEDL）方法通过在预测阶段结合测试样本的特征空间密度来提升不确定性估计的准确性，并引入了一种新的参数化方法，从而在不确定性估计和分类任务中表现出先进的性能。