近年，IoTやAIを活用したモニタリングシステムが重要となっている．我々はその利用環境における広範囲・長期間にわたって収集されるセンサデータの伝送効率化に向けて，LACSLE (Lightweight and Adaptive Compressed Sensing based on deep Learning for Edge devices)と呼ばれる，エッジ端末において深層学習に基づいて最適な圧縮比を動的に推定する機械学習型の適応的圧縮センシング手法を提案している．この手法では，ある一定期間ごとに最適な圧縮比を推定し，その圧縮比に基づいてランダムに送信サンプルを選択している．そのため，その一定期間内でスパース度が変化する場合の最適な送信サンプルの選択に対応する必要があるという課題があった．本稿では1サンプルごとに送信の有無や，圧縮単位の分割をデータに応じて動的に制御する手法の提案と，適応的圧縮パターンの学習時における表現方法に関する検討を行う．