以前から脳波（EEG）は脳内部活動の情報を保持すると考えられ，脳内部活動の調査や医療向けBCIへの応用などに用いられてきたが，EEGは複数の異なる主観的状態の集積であり，体動などによるノイズも多い．そのため，EEGの分析では専門家の熟練した高度な技能によってノイズ除去や結果の解釈がなされてきた．一方，深層学習（DNN）は高精度な機械学習の手法として盛んに研究が行われている．DNNには高度な特徴抽出機能が備わるが，学習したモデル内部でその機能がどのように働いているか不明確である．DNN内部の可視化を試みる研究が行われているものの，そのような研究は特徴抽出がモデル作成者の意図するものであるか確認するため用いられる．本研究では，識別精度が高いほど一貫性のある可視化結果を得ることができると仮定し，複数回の学習による識別精度毎のモデル可視化結果を比較する．それにより，同一の現象に対するDNNの可視化結果から対象となる現象に固有の構造を顕在化させる手段を検討した．実験ではEEGから事象関連脳電位(ERP)を識別する学習を行い，モデルの可視化分析からERPの研究において既知の特徴的な構造が得られた．
