论文链接：https://arxiv.org/abs/2011.06225 在优化和决策过程中，不确定性量化(UQ)在减少不确定性方面起着至关重要的作用。它可以用于解决科学和工程中的各种实际应用。贝叶斯逼近和集成学习技术是目前文献中使用最广泛的两种UQ方法。在这方面，研究者们提出了不同的UQ方法，并在计算机视觉(如自动驾驶汽车和目标检测)、图像处理(如图像恢复)、医学图像分析(如医学图像分类和分割)、自然语言处理(如文本分类、社交媒体文本和再犯风险评分)、生物信息学得到广泛应用。本研究综述了UQ方法在深度学习中的最新进展。此外，我们还研究了这些方法在强化学习(RL)中的应用。然后，我们概述了UQ方法的几个重要应用。最后，我们简要地强调了UQ方法面临的基本研究挑战，并讨论了该领域的未来研究方向。

内容中包含的图片若涉及版权问题，请及时与我们联系删除