◎鈴木雅大・佐藤晴彦・小山　聡・栗原正仁（北大）

転移学習は同一タスク内で学習とテストを行う一般の機械学習とは異なり、新規タスクにおいて別のタスクで学習した結果を利用する手法である。転移学習を実現するアルゴリズムは様々考案されているが、その一つである属性ベース転移学習に着目した。属性ベース転移学習は、各クラスの定義として属性という概念を導入し、学習結果を転移することで転移学習を実現している。しかし先行研究では、その属性がテスト段階でどのくらい目標クラスの予測に貢献するか(予測能力)について考慮していない。本研究では、提案手法として目標クラスを予測する際に用いる評価値に、各属性の予測能力に基づく重み付けを行った。そして先行研究と同様に動物画像の多クラス分類問題に取り組んだ。その結果、従来の手法と比較して正解率が向上することを確認した。