연구진은 실시간 센서 기반 학습 시스템에서 신뢰성 있고 효율적인 불확실성 추정의 중요성을 강조했어요.
Evidential Deep Learning (EDL)은 디리클레 분포를 활용하여 클래스 확률을 모델링하며, 이 과정에서 플러그인 손실을 활용하여 복잡성을 줄였어요.
연구 결과, 제안된 단순화된 목적 함수는 기존 EDL과 유사한 예측 정확도와 선택적 예측 성능을 보였으며, 표준 딥러닝 손실과 훈련 파이프라인을 사용해 구현하기 쉬워요.
Google Speech Commands 데이터셋 실험을 통해 EDL의 커버리지-정확도 균형을 분석한 첫 번째 사례로 평가받고 있어요.