该研究提出了一种结合 alpha-divergence 和 dropout 的新方法，以准确估计深度学习模型的不确定性。通过变分 Renyi 界限，扩展了变分推理，并在贝叶斯神经网络和变分自编码器上验证了其有效性。同时，研究探讨了基于广义差异度量的偏置重要性采样方法，提升了数据拟合效果。

本文介绍了两种合成无袖式人体血压波形的深度学习模型，一种基于transformer，另一种基于频域学习。第二种模型的平均绝对误差分别为11.87和8.01，优于第一种模型。该模型满足了AAMI准则和BHS准则。