CreINNs：用于分类任务中的置信间隔神经网络的不确定性估计

本研究提出了一种简单实现方法，替代贝叶斯 NN，能够产生高质量的预测不确定性估计，并在分类和回归数据集上进行了实验。研究还评估了已知和未知数据分布下的预测不确定性，并证明该方法在超出分布的样本上表现出更高的不确定性，同时在 ImageNet 上证明了该方法的可扩展性。