환경 및 기후 과정과 같은 시공간 시스템 모델링에서 정확한 센서 배치는 중요하며, 불확실성 추정을 통해 확장 가능한 확률적 모델을 제공하는 ConvCNPs와 같은 신경 프로세스(NPs)가 데이터 기반 센서 배치에 적합하다. 기존 방식은 인식적(epistemic) 불확실성과 내재적(aleatoric) 불확실성을 혼합한 예측 불확실성에 의존하여 모호한 영역에서 최적의 센서 선택을 방해할 수 있다. 이에 본 논문은 센서 배치를 위한 새로운 획득 함수로 인식적 불확실성 감소 기댓값을 제안한다. 이를 위해 인식적 불확실성 추정을 위한 혼합 밀도 네트워크(MDNs) 출력 헤드를 갖춘 ConvCNPs를 확장했다. 예비 결과는 인식적 불확실성에 기반한 센서 배치가 전체 불확실성에 기반한 방식보다 모델 오류를 효과적으로 줄이는 것을 보여준다.
