分布外検出（Out-of-distribution detection, OOD）は、ニューラルネットワークへの異常入力を扱う問題である。過去には、異常入力に対する予測を拒否するための専用手法が提案されてきた。同様に、特徴抽出モデルと外れ値検出アルゴリズムを組み合わせることで、異常入力を効果的に検出できることが示されている。本研究では、OOD分野における専用手法と同等の信頼性を有する異常入力検出を、外れ値検出アルゴリズムを用いて実現する。ニューラルネットワークの再適応は不要であり、検出はモデルのソフトマックススコアに基づく。本手法は、分離森（Isolation Forest）を用いた教師なし学習で動作可能であり、勾配ブースティング（Gradient Boosting）などの教師あり学習手法を用いることでさらなる性能向上が可能である。