ニューラルネットワークのアンサンブルは、モデルの効率を向上させる一般的かつ堅牢な手法である。本論文では、アディベルの経験的スターアルゴリズムに基づく新たなニューラルネットワークアンサンブル手法を提案する。さらに、過剰二乗リスクに関する最適な理論的ミニマックス境界を提示する。併せて、回帰および分類タスクにおける本手法の実証的研究を行い、最も一般的なアンサンブル手法と比較検討している。