機械学習を用いた画像認識技術がエッジ端末で広く使われるようになり、データストレージとして低コストで大容量なNAND型フラッシュメモリの需要が高まっている。TLC NAND型フラッシュメモリは誤り訂正符号(ECC)等で信頼性向上を図っているが、ECC の復号時間やデータオーバーヘッドなどコストが問題になる。本研究ではECCと高信頼化手法の最適化手法の提案を行った。提案手法ではECCと高信頼化手法の強度を保存するデータの重要性に応じて動的に変化させた。提案手法により誤り訂正符号の最適化を行い14%のデコード時間と26%のデータオーバーヘッドを削減した。また、データ保持時間は230%向上した。