分解不確定性

貝葉斯神經網路 (BNNs) 會產生預測分佈 ，提供一組不同的預測，您可以從中估計變異數 ；也就是總預測不確定性 。總預測不確定性可以使用總差異法，分成這兩個不確定因素：

目標變數 的預期值 ，指定指定 BNN 的輸入 和隨機參數 ，是由具有單一轉送傳播的 BNN 預估，並表示為 。指定輸入和隨機參數的目標變異 ，也會由 BNN 輸出，並表示為 。因此，總預測不確定性是這兩個數字的總和：

• BNN 的預測平均值差異 – 流行不確定性

• BNN 預測變異數的平均值 ：正式不確定性

下列公式示範如何根據 (Kendall and Gal 2017) 計算總不確定性。BNNs輸入 、產生隨機參數組態 ，並透過神經網路進行單一轉送傳播，以輸出平均值 和變異數 。我們以 ~ 表示隨機產生或模擬。使用固定的 ，您可以重複此程序 多次，以產生集合：

這些 許多範例 提供必要的統計資料來確定不確定性。您可以分別估計流行不確定性和暫時性不確定性，然後採取其總和，如本節中第一個方程式所示。