本研究提出了一种新的稀疏变分高斯过程(FMGP)，用于解决预训练深度神经网络(DNN)的后验不确定性估计问题。FMGP通过将高斯过程的均值固定为DNN的输出，有效拟合预测方差，实验结果表明其在不确定性估计和计算效率上优于现有方法。