[1Q4-GS-10] AI応用：魚・リハビリ・スポーツ

[1Q4-GS-10-03] 良漁場予測範囲絞り込みのためのPU学習を用いた未探索海域データの活用

〇兒新 治紀¹、中野 鐵兵¹、宮澤 泰正²、小川 哲司¹ (1. 早稲田大学、2. 海洋研究開発機構)

キーワード：機械学習、半教師あり学習、PU 学習、漁業、良漁場予測

本研究では、良漁場予測範囲を絞り込むため、Positive Unlabeled（PU）学習を基にしたアプローチによる未探索海域データの活用を提案する。PU学習は、限られた正例と多くのラベルなしデータから構成される状況に適した半教師あり学習の一種であり、漁場予測タスクでは特に有効である。本研究では、実際に漁が行われた探索済み海域を正例、広大な未探索海域をラベルなしデータとして扱う。正例のみを学習に用いた従来手法は良漁場の特性を正確にモデル化できず、予測範囲が広くなる、または制約が過剰に厳しいといった問題が生じていた。これに対処するため、本手法では、ラベルなしデータから負例を抽出し、正例として予測される範囲を絞り込むPU学習手法を提案する。具体的には、良漁場の指標とみなせる操業時間の予測モデルを学習し、未探索海域に適用して短い操業時間を示す領域を信頼できる負例とみなす。その後、過去の正例と選択された負例を、良漁場を予測するための二値分類フレームワークに組み込み、予測範囲を絞り込むことを狙う。本研究は、PU学習を良漁場予測の分野に応用した初の試みであり、実験により提案手法の有効性を確認した。