メタ学習の一部であるFew-shot学習では、学習時に存在しないクラスについて、少ないデータが与えられるため、テストクラスの予測が困難となる課題が存在する。本研究では、データを数値に写像する特徴空間の最適化を目指し、学習クラスに存在しないダミーデータの生成と活用法を提案する。具体的には、学習クラスの一部を取り出し、特徴空間上での各クラスの特徴を持つようなダミーデータを生成し、学習クラスとダミークラスが離れるように学習する。先行研究であるPrototypical Networksに倣い、提案されている損失関数にダミーデータとの距離を追加したモデルを作成した。一部のデータセットで、低次元の特徴空間という条件の下、先行研究の精度を上回る結果を得た。