組み込みシステム向けのニューラルネットワーク（NN）は，学習段階で消費電力や計算資源の制約を考慮することで設計要求を満たすことができるが，固定的な計算量を要する単一NNでは計算リソースや運用環境の変動に対して柔軟に対応することができない．本発表では，単一NNのみで計算量と推論精度のスケーラビリティを実現するProgressiveNNを提案し，計算量と精度のトレードオフを動的に制御する手法について検討する．評価実験では，動的制御に基づく提案手法が固定的なNNと比較して優位性を示しており，平均ビット長が2[bit]の場合，同一計算精度の固定的NNと比較して約1.3%の精度向上を達成している．