マルチタスク学習において, 学習中のCNNのフィルタを転移することによって学習効率を高めるオンラインFine-Tuningが提案されている. しかし, この手法の問題点として, 転移頻度や転移フィルタの割合を人手によって決定する必要があることが挙げられる. そこで本研究では, 学習状況に応じて転移頻度や転移フィルタの割合を動的に調整する手法を提案する. 提案手法は, 転移タイミングにおいての誤答率と前回転移時の誤答率との差によってパラメータを調整する. 提案手法を用いてパラメータ調整をした場合とパラメータを調整しない場合で比較して, 提案手法の精度および実行時間への影響を示す.