ニューラルネットワークの重みの初期値は，モデルの学習時間に影響を及ぼすため，重みの初期分布の決定法や，転移学習，メタラーニングなど，様々なアプローチで，その分析が進んでいる．例えば，転移学習は，学習済みのモデルの重みを初期値とすることで，少ない学習回数で新たなタスクに適応する手法である．しかし，学習後の重みは，学習対象により異なるため，初期値として設定した学習済み重みが最適であるとは限らない．本論文では，学習後のネットワークの重みは共通する特徴パターンを保持していると考え，そのパターンに基づいた初期値設定手法の可能性を検討する．