生物信号机器学习中的不确定性量化综述

该论文综述了机器学习预测中的不确定性量化方法，旨在提升模型的可解释性和鲁棒性。研究特别关注脑电图（EEG）和心电图（ECG）等生物医学信号的应用，并讨论了相关方法、挑战及未来方向。

AI推荐理由 该研究梳理了生物信号（如脑电、心电）机器学习中不确定性量化的方法、挑战与未来方向，对AI决策的可信度与可解释性有直接参考价值。对医疗、可穿戴等高风险应用而言，有效的UQ能帮助从业者识别模型过拟合、分布偏移或低置信度场景，从而降低误判成本和合规风险。