基于 ConvCNPs 的 Epistemic 不确定性传感器放置
机器学习
2025-12-01 v1 人工智能
摘要
准确的传感器放置对于建模如环境和气候过程等时空系统至关重要。神经过程 (NPs)，特别是卷积条件神经过程 (ConvCNPs)，提供了可扩展的概率模型，具有不确定性估计，使其适用于数据驱动的传感器放置。然而，现有方法依赖于总体预测不确定性，这会混合 epistemic 和 aleatoric 成分，可能导致在模糊区域进行次优选择。为此，我们提出以期望减少 epistemic 不确定性作为新的获取函数，用于传感器放置。为实现这一点，我们扩展 ConvCNPs，采用混合密度网络 (MDNs) 输出头以进行 epistemic 不确定性估计。初步结果表明，基于 epistemic 不确定性的传感器放置比基于整体不确定性的方法更有效地减少模型误差。
引用
@article{arxiv.2511.22567,
title = {Where to Measure: Epistemic Uncertainty-Based Sensor Placement with ConvCNPs},
author = {Feyza Eksen and Stefan Oehmcke and Stefan Lüdtke},
journal= {arXiv preprint arXiv:2511.22567},
year = {2025}
}