本研究介绍了一种新型的贝叶斯深度学习方法，通过贝叶斯推断增强深度网络的不确定性估计，并提出了一种有效的随机变分推断方法。

本研究提出了一种新颖的深度概率模型的生成式公式，通过随机变分推断建模函数及其导数，以表征模型和约束参数的后验分布，实现对函数动态的“软”约束。该方法可以准确可伸缩地量化预测和参数的不确定性。