본 논문은 심층 신경망의 불확실성 추정 및 해석성 문제를 해결하기 위해 베이지안 비음수 결정 계층(BNDL)을 제안합니다. BNDL은 심층 신경망을 조건부 베이지안 비음수 요인 분석으로 재구성하여 확률적 잠재 변수를 활용, 복잡한 의존성을 모델링하고 강건한 불확실성 추정을 제공합니다. 잠재 변수의 희소성과 비음수성은 얽힘을 해소된 표현과 결정 계층을 학습하게 하여 해석성을 향상시킵니다. Weibull 변분 추론 네트워크를 이용한 변분 추론 방법을 제시하며, 실험 결과 향상된 얽힘 해소 능력으로 정확도 향상, 신뢰할 수 있는 불확실성 추정 및 해석성 향상을 보임을 보여줍니다.