Uncertainty Quantification in CNN Through the Bootstrap of Convex Neural Networks

Este artículo propone un nuevo marco basado en bootstrap para la cuantificación de incertidumbre (UQ) en Redes Neuronales Convolucionales (CNN), abordando la falta de herramientas UQ teóricamente consistentes. El método emplea redes neuronales convexificadas para establecer consistencia teórica, ofrece una carga computacional significativamente menor y explora un enfoque novedoso de aprendizaje por transferencia.