分類を介した回帰（Regression via Classification: RvC）は、深層学習における回帰問題で一般的に使用される手法であり、目的変数が連続値の集合に属する場合に適用されます。目的変数を非重複のクラスの集合に離散化することで、分類器を訓練することが標準的な回帰アプローチよりもニューラルネットワークの精度を向上させることができることが示されています。しかし、離散クラスの集合を選択する方法やそれが全体的な解に与える影響については明確ではありません。本研究では、複数の離散データ表現を同時に使用することで、単一の表現を使用する場合よりもニューラルネットワークの学習性能が向上すると提案します。当方針はエンドツーエンドで微分可能であり、深層ニューラルネットワークなどの従来の学習方法に簡単な拡張として追加することができます。我々は3つの困難なタスクに対して当方針を検証し、基準となるRvCアプローチと比較して予測誤差が減少することを示しました。なお、モデルの複雑さはほぼ同等であることを確認しています。