畳み込みニューラルネットワークを用いた画像認識には大量の学習データが必要になる．ただ，膨大なデータに教師ラベルを付ける作業には大きな労力がかかるため，すでに準備された学習データを利用したい機会が多く存在する．しかし，例えば文字認識において字体が異なる場合など目標のデータとドメインが異なっている場合，目標のデータに対する性能は低下する．この問題の解決を目的とする手法はドメイン適応と呼ばれる．本研究では既存の教師なしドメイン適応手法に畳み込み処理を含んだ活性化関数を導入し，性能を向上させることを目的とする．分類タスクの実験において一般的なReLU活性化関数を用いた場合と比較し，精度の向上と特徴の分布の改善を確認した．
