継続的ドメイン適応は，ターゲットデータを継続的に学習することで，ターゲットデータが変化する場合でも高い精度で予測することができるようになる手法群である．一 方，現在提案されている手法は，マルチモードのデータ分布を考慮した学習ができていないため，改善の余地が存在する．本研究では，継続的ドメイン適応のタスクにおいて，マルチモードのデータ分布を捉えて特徴量を抽出する手法，CiCADA を提案する．本手法では，特徴量と予測分布をドメイン不変にすることで，識別可能性の高い特徴量を抽出することができる．この手法の有効性を検証するために，定量的な精度指標と定性的な識別可能性の二つで既存研究との比較を行った．結果として，CiCADAは既存手 法と比べて高い精度を達成することができ，高い識別可能性を達成することができた.