기존 신경망은 불확실성 추정 없이 결정론적 예측을 제공합니다. 본 연구는 몬테카를로 드롭아웃에 Dirichlet 프레임워크를 통합하여 불확실성 추정의 품질을 향상시켰습니다. 제안 방식은 기존 방식과 유사한 계산 효율성을 유지하면서도 더 유용한 불확실성 표현을 제공합니다.
Sensoy et al. (2018)에서 제안한 클래스 확률 Dirichlet 분포 모델링 방식을 활용하여 불확실성을 표현합니다. 이를 통해 더 정확한 불확실성 추정이 가능하며, 실제 적용 가능성을 높였습니다.
제안 방식의 이론적 근거를 논하고 기존 불확실성 정량화 기법과 비교 분석했습니다. 결과적으로 잘 보정된 불확실성 추정치를 제공하는 효과를 확인했습니다.