等価性構造抽出は, ある多次元系列と別の多次元系列の上に現れる時系列パターンに着目し, 系列間の属性・時点の共通パターンを見つけるものである. 本研究では複数のニューラルネットワークを考え, 各々の隠れ層の分散表現の対応の発見に等価性構造抽出を用いる. これにより, ニューラルネットワークの説明性を高め, また分散表現の転移の可能性を見出すことを目的とする. 先行研究（高橋, 2018）と異なり, 非同期のデータセットを学習させた隠れ層の出力に対して前処理として線形変換を必要としない独立成分分析を用いることで最適化し, 等価性構造抽出技術を適用することが可能である.