従来の教師あり深層学習では1か所に集まったラベル付きデータセットを前提とするが，実応用においてはプライバシー保護やアノテーションコストの影響により，分散する複数クライアントがそれぞれ共有できないラベル無しデータセットを持っている場合が存在する．連合能動学習は，そのような場合において各クライアントが個別に所有するラベル無しデータセットの中からモデルの学習に有用であると思われるデータを選択してアノテーションし，より少ないラベル付け作業で高い連合学習性能を目指す手法である．本研究では低予算環境での能動学習において効果を発揮することが知られているTypiClustという手法に着目し，低予算環境での連合能動学習での性能を評価した．その結果，ほかの手法よりも優位に高い性能を実現できることが分かった．さらに，特徴量空間に対する感度分析を行い，特徴量抽出方法への依存が少ないことがわかった．これにより，データ量および計算資源が限られているような状況での連合能動学習でもTypiClustを利用できることが示唆された．
