本研究提出了一种基于极值理论的新统计框架，旨在量化极端错误并评估高风险领域中的灾难性失败概率。这一方法推动了机器学习模型的可靠性评估，促进了更安全的AI技术部署。

该研究提出了一种基于深度学习和极值理论的预测框架，通过混合分布模型和自动编码器生成器提取时间序列数据的特征，并预测极端事件的分布模型。该方法在多个实际降雨数据集上有效。

本文提出了一种基于极值理论的移动边缘计算系统设计，旨在满足低延迟、减少用户能量消耗、考虑无线通道动态和服务器资源负载等要求。该方法提供了两种时间尺度的解决方案，并通过仿真实验验证了其有效性。