https://www.matlabexpo.com/jp/2019.html; Twitter #matlabexpo
（講演スライドは大部分すでに公開されています。）
このEXPOは、毎年10月に開催されていたが、今回は間を縮めて、５月に開催となった。それだけ人工知能応用への関心の高まりが持続しているのかも知れない。
特別講演、ポスターセッションに加えて、技術セッションが７並列で実施された。どの会場（恐らく500席以上の規模）もほとんど満席だった。いろいろな産業分野へのAIの多彩な応用が広がりつつあることを実感する場であった。
[機械学習とディープラーニング]セッションより
●ディープラーニングを活用した化粧品開発における微生物試験の迅速化（資生堂＋MathWorks Japan）
- 化粧品会社だが、基本理念は「安全性」のうえに築く人間科学＋物質科学+生物科学にあるとのこと。
- 化粧品開発には、微生物による汚染リスクの評価（菌種の同定、菌数カウントなど）のため、菌の培養を伴う試験に28日ほどかかる。これをDeep Learningにより大幅短縮できる見通しを得た。
- 特に、菌の育成予測（38時間後）も、一定程度可能になったことが大きい。
- 機械学習の専門家はいなかったが、社内でAIに興味を持つ有志が集まり、MathWorksの支援を得て、いろいろな事例研究をもとに、2018年からこのプロジェクトを始めた。
- AIの専門家でなくても、その分野に精通する人々の熱意で、AIは有効活用できるという典型例のように思われた。
- MathWorkの説明によれば、このために、セマンティックセグメンテーションネットワーク(SegNet)を構築しているのが、一つの特徴とのことである。
[機械学習とディープラーニング]セッションより
●強化学習：最適制御のためのディープラーニングの応用（MathWorks Japan）
この講演は図３から分かるように、聴衆が非常に多かった。強化学習（Reinforcement Learning）に関する世界の論文数は、機械学習全体の論文数の増加に伴い、図４に示されているように勢いを増している。
- MatLabの最新版R2019aには、新たに強化学習のためのツールボックスであるReinforcement Learning Toolboxが提供されている。その解説があり、今後試行する上で大いに参考になりそうである。
- サポートされている強化学習のアルゴリズムとしては、Q-LearningやSARSAなど有名なものを含む６種とのこと。
- このツールボックスを使ったリファレンスアプリケーション（例題）が20件ほど公開されている。そのなかには、２足歩行、倒立振り子、グリッド移動など親しみやすいものが含まれている。
[ポスターセッション]より2件（図５参照）
●機械学習や3次元点群処理技術が切り拓く植物計測の技術革新（東大大学院 農学生命科学研究科）->図5(a)
- タイトルの前半は、植物のモニタリングにDeep Learningを活用（糖酸度比の推定などに）ということだったが、後半の「3次元点群処理 ... 」は違っていた。
- 図からも分かるように、ライダー（3次元スキャナー）画像から、植物の葉の数を算出するという。さらに、葉面積や葉傾斜角まで推定できるという。これには、機械学習は全くやっていない！独自の方式に基づくコーディングにより、一方向のパスだけで、葉の１枚、１枚を色分けして表示させているのに驚いた。
- この技術を使って、農場を移動しながらリアルタイムに、実っている｢桃｣の個数の自動計測と熟成の程度の自動判定を行う様子を、ビデオ表示していた。素晴らしい！
- 機械学習万能じゃないなあ、という気にもなってくる。説明者によれば、｢後になって、MatLabを使えばもっと楽に作れることが分かった｣とのこと。確かに、MatLabは、核となる機械学習だけでなく、その上流下流の処理も一貫して支援する環境でもある。
●CNN & SVMの設計・訓練・評価・実装ツール（山口東京理科大）->図5(b)
- CNN（畳み込みニューラルネットワーク）とSVM（サポートベクタマシン）を独自のGUIで使いやすくするツールである。
- Deep Learningばかりが目立つ昨今だが、SVMの実力と有用性を改めて認識させるツールになっているように思われる。
- CNNのうち、Softmaxの前の段階での出力を特徴ベクトルとして、SVMへ入力することも可能にしている。
------------------------------------------------------------------------------
今回の参加者記念品：
