○AIによるBB補正について
①エラー修正問題として捉える場合
教師データとしてBB出現のデータと正解（真値）のデータが必要。
②分類問題として捉える場合
BB出現データ郡、非出現データ郡が必要。
【データの用意は②のほうが楽】
②の正解データだけあるいは誤差データだけのデータがある場合には サイクリック consistency という技術が使える。
①の誤差データ、真値データの組がある場合は、DomainAdaptationという手法により、真値を推定することができる。ただし、事前に、CyclecConsistencyにより、入力データが誤差データ（BBデータ）であることを判定する必要がある。
○入力データについて
極座標データは 0度のところと360度のところで不連続線が出る
このことを考慮すると 事前に直行データに変換することが必要
非構造格子を入力する技術はあるが、扱いが面倒
○補正の考え方
手順としては マルバツ問題つまり正常データグループ、異常データのグループを用意して 正常異常を判断するという操作がひとつと、次に異常を判断したデータを 補正するという操作がひとつ必要。
この2段のプロセスを順次行うというのは、実施可能である。けれども 現在の技術としては、統合したプロセス（生態系）として開始の入力データから 補正したデータを取り出すということができる（はず）。実際に作るためには 正解のデータ、 エラーデータ のペア【上記①】を用意してそれを教師データとして用いることが必要。すなわち、オフラインの状態で 正解データを作り上げる仕組みが最初に必ず必要。だから正解データセット郡をどのように作るかという取り組みは重要である。
○教師データについて
正解と誤差の組があれば、これを増やすことは可能。100組を1000組にすることは可能。ただし、元の100組はできるだけ異なる次元を持つほうがよい【独立データであるほうがよい】。
