标题：DeepMind|Epistemic Neural Networks（认知神经网络）

推荐理由：在不确定性建模方面，ENN设计上的创新在统计质量和计算成本方面提供了几何级数的改进效果。

简介：我们引入了认知神经网络（ENN）作为深度学习中不确定性建模的接口。所有现有的不确定性方法建模可以表示为ENN，任何ENN都可以用贝叶斯神经网络。然而，这种新观点提供了几个未来研究的有希望的方向。先前工作已经发展的地方神经网络的概率推理工具；相反，我们问，“哪个神经网络适合作为概率推理的工具吗？”。我们建议ENN进展的一个清晰而简单的指标：KL 散度与目标分布。我们评估了几个深度学习中不确定性建模的规范方法，并发现它们它们的性能差异很大。我们提供对敏感度的洞察这些结果表明我们的指标与绩效高度相关在顺序决策问题中。最后，我们提供的迹象表明，新的ENN架构可以在统计质量方面提高性能和计算成本。