我々は，脳波から感情を予測し，感情を喚起するための音楽生成フィードバックを含んだシステムを構築している．しかしながら，脳波には個人差があり，また同一人物でも日によって特徴が異なる．このため，基本的にはシステムを利用する直前の脳波を用いて，感情予測モデルを学習することが望まれる．学習時のデータ量の確保は重要であるが，システム利用前の長時間の脳波収録は参加者にとって負担となる．この問題を解決するため，先行研究では複数人分の脳波から学習した事前学習モデルを，対象の参加者の少量の脳波データでファインチューニングする手法が提案されている．従来手法の事前学習では複数人の脳波を混合してモデルを学習しているため，各個人の脳波の特徴が適切に考慮できていないと考えられる．そこで本研究では，各参加者に適応可能な事前学習モデルの獲得を目的とし，一名ずつモデルパラメータを更新するメタ学習を利用した．音楽聴取中の脳波から感情のvalenceとarousalを回帰モデルで予測した結果，提案手法は従来手法よりも有意に予測誤差が低くなった (p<.001)．
