Library of software modules for detecting extreme events

0568579 - ÚI 2023 RIV CZ eng L4 - Software
Hlinka, Jaroslav - Pidnebesna, Anna - Tani Raffaelli, Giulio - Hartman, David - Převorovský, Zdeněk - Chlada, Milan - Kovanda, Martin - Prášek, P. - Berka, Z. - Svoboda, R.
Library of software modules for detecting extreme events.
Interní kód: TN01000024/13-V02 ; 2022
Technické parametry: K dosažení popsaných detekcí jsou použity pokročilé metody využívající konkrétní strukturu problému. Knihovna je navržena v programovacím jazyce Python. Má strukturu centrální části (TN01000024/13-)V2.1 s obecnými analytickými moduly, doplněné specializovaným modulem V2.2 pro analýzu dat z non-destructive testing (NDT), a specializovaným modulem V2.3 pro analýzu video dat.
Ekonomické parametry: Výsledkem je knihovna softwarových modulů schopných detekovat náhlé události a detekovat přechody mezi různými režimy studovaného systému. Klíčovou funkcionalitou je detekce zásadních změn v systému zvolené kritické infrastruktury. Tato schopnost umožňuje operátorům efektivně detekovat extrémní události a stavové přechody. LICENCE: Modul V2.1: GNU Affero General Public License v3.0. Modul V2.2: bez licence, avšak všechna práva vyhrazena. Modul V2.3: Modul pro analýzu videodat je dostupný účastníkům projektu v neveřejném repozitáři, ostatním zájemcům bude nabízen pod komerční licencí.
Grant CEP: GA TA ČR(CZ) TN01000024
Institucionální podpora: RVO:67985807 ; RVO:61388998
Klíčová slova: anomaly detection * non-destructive testing * video analysis * crowd dynamics
Obor OECD: Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8); Audio engineering, reliability analysis (UT-L)
https://www.ciirc.cvut.cz/research-education/projects/nck-kui/sub13/v2/

The result is a library of software modules capable of detecting abrupt events and detecting transitions between different regimes of the system under study. A key functionality is the detection of crucial changes in the system of the selected critical infrastructure. This capability allows operators to effectively detect extreme events and state transitions. However, this problem is complicated by the usually limited amount of data available. To achieve the described detections, advanced methods are used that exploit the specific structure of the problem. The library is designed in the Python programming language. It has a central part structure (TN01000024/13-)V2.1 with general analysis modules, complemented by a specialized module V2.2 for the analysis of non-destructive testing (NDT) data, and a specialized module V2.3 for the analysis of video data. The result was achieved by implementing the stages of the sub-project, i.e. identification of the target functionality, preparation of pilot data and method development, initial implementation and its optimization by testing on new data.
Trvalý link: https://hdl.handle.net/11104/0339865


Vědecká data: Github, Gitlab ÚT AVČR