本文综述了熵与不确定性量化在多个领域的研究进展,包括:利用贝叶斯和集成方法处理深度学习中的不确定性及跨分布检测;通过最大熵原则解决预测多样性不足,提出权重参数化与奇异值分解提升权重熵;SampleNet建模预测不确定性;凸规划对偶性近似最大熵分布;神经网络代理模型交叉熵估计;扩散生成模型分离叠加源;加权图最大熵分布及MLE性质;离散分布香农熵估计逼近最优;基于熵失真度量的多终端源编码;以及语言学任务中熵估算偏差问题。
完成下面两步后,将自动完成登录并继续当前操作。