近年，分散配置されたデータから学習する手法として連合学習 (Federated Learning: FL)が注目されている．FLはプライバシーの保護やデータ通信量の低減などの利点を持つ⼀⽅で，サーバ側でデータ収集を行わないため各クライアントのデータ分布を特徴づけることが一般的には困難である．本研究ではサーバ側により構築される全データ対応の一般モデルの学習と各クライアントが一般モデルの情報を利用することで所有データの特徴抽出と学習を行う新たな連合学習スキーム (自治型連合学習) を提案する．また，画像データを用いた予備実験により提案手法の有⽤性を一般モデル/個別モデル/データ特徴抽出それぞれの性能の観点から実証的に示す．
