時系列予測は，異常検知や意思決定のために不可欠な情報技術の一つである．多くの時系列データは様々な非定常性を含み，それを完全に除去することは困難であるため，オンラインでの継続的な学習が重要である．大脳新皮質学習（Cortical Learning Algorithm，以下CLA）は，人間の大脳新皮質を模倣した，オンラインでの学習および時系列予測に適したアルゴリズムである．本研究では，よりオンラインでの学習が可能なCLAの実現を目的として，事前に設定される入力の上限値および下限値を超えた入力に対応する方法を提案する．実験の結果，入力値の上下限制約を撤廃できるだけでなく，学習器の入力の表現粒度を適切に保つことで予測精度が向上することを示す．
