ニューラルネットワーク（ＮＮ）は多量の係数と入力との積和演算を要し、携帯・エッジ機器に応用するには処理時間・消費電力・メモリ容量が障壁であった。これを緩和する技術として、全係数と入力を±１に近似する二値化ＮＮが登場し、メモリの保存データ量を削減しつつ乗算を軽量なビット演算に置換することを可能としたが、近似に伴う認識精度低下が問題であった。本稿では、多値表現から二値化する際にディザ拡散を導入し、二値近似に起因する量子化誤差を最小化することで認識精度向上を図る。また、これを処理するハードウェアの概形を示し、それが二値化ＮＮ用ハードウェアから大きく逸脱することなく低コストで実現可能であることを示す。