Institucionalni istraživački projekt

Učinkovita višemodalna okolina za analizu podataka i otkrivanje anomalija korištenjem postupaka strojnog učenja u vremenski kritičnim primjenama (ANO-ML)

Područje

STEM

Trajanje

48 mjeseci

Ukupna sredstva

137.220,00 EUR

Sažetak

Istraživanje u okviru projekta ima za cilj znanstveno inovativnih pristupa razviti učinkovitu višemodalnu računalnu okolinu za analizu podataka i otkrivanje anomalija korištenjem postupaka i modela strojnog učenja, odnosno dubokog učenja prilagođenih za rad u vremenski kritičnim primjenama.

Stvorit će se i prilagoditi vlastiti skup podataka iz različitih izvora i predložiti postupak rješavanja problema uravnoteženost i djelomične označenosti podataka.

Na njemu će se trenirati vlastiti i poboljšavati predtrenirani modeli strojnog i dubokog učenja koji će se koristiti u višemodalnom sustavu za analizu podataka, otkrivanje i vizualizaciju anomalija na temelju podataka različite razine strukturiranost koji dolaze sa senzora i vizualnih kamera.

Implementirat će se poboljšanja sustava zasnovana na naprednim postupcima fuzije podataka, učinkovitom upravljanju resursima pri analizi podataka, primjenom načela energetski učinkovite obrade podataka na rubu mreže zasnovane na nakupinama jednopločnih računala i okolini računala visokih performansi.

S ciljem unaprjeđenja sigurnosti, cjelovitosti i sljedivosti podataka razvit će se rješenje arhitekture ulančanih blokova. Ovakva rješenja imaju primjenu u nizu područja, od zaštite od požara, prepoznavanja ugroza u životnoj sredini općenito, medicini i raznim granama industrije.

Cijeli sustav će se programski i sklopovski ostvariti u obliku prototipa, te ispitati i analizirati.

Glavni ciljevi

Glavni ciljevi projekta su razviti učinkovitu višemodalnu okolinu za analizu podataka i otkrivanje anomalija korištenjem strojnog učenja s naglaskom na duboko učenje, pristupa za analizu podataka različite strukturiranosti, te analizu tokova podataka, postupaka rukovanja zadacima za rad u stvarnom vremenu i energetski osviještenih pristupa za obradu podataka u paralelnim i raspodijeljenim okolinama.

Specifični ciljevi

  1. Stvoriti i prilagoditi podatkovne skupove i razviti učinkovite modele strojnog učenja za obradu prostornih i vremenskih podataka iz različitih izvora
  2. Modelirati i razviti višemodalni sustav za otkrivanje i vizualizaciju anomalija na raznorodnim podacima metodama obrade strukturiranih podataka, slike i tokova podataka
  3. Unaprijediti i implementirati poboljšanja sustava s ciljem primjenjivosti u vremenski kritičnim prijenama, te povećanja sigurnosti i privatnosti i točnosti modela strojnog učenja
  4. Stvoriti i vrednovati arhitekturu za analizu podataka na temelju predloženih pristupa i rješenja s ciljem unaprijeđenja računalne, podatkovne i energetske učinkovitosti i prilagodbe izvođenju u paralelnim i raspodijeljenim računalnim okolinama
  5. Implementirati rješenja temeljena na ulančanim blokovima za osiguranje povjerljivosti, integriteta i transparentnosti podataka pri procesu učenja
  6. Povećati znanstvenu izvrsnost i međunarodnu prepoznatljivost kroz objavu rezultata u WoS/SCOPUS časopisima i aktivno uključivanje mladih istraživača u sve faze projekta

Istraživački tim

izv. prof. dr. sc. Josip Balen

Voditelj na radnim paketima 2 i 3, suvoditelj na 1

izv. prof. dr. sc. Alfonzo Baumgartner

Suvoditelj na radnom paketu 4

prof. dr. sc. Josip Job

Suvoditelj na radnom paketu 3

izv. prof. dr. sc. Mirko Köhler

Voditelj na radnom paketu 6

prof. dr. sc. Ivica Lukić

Suvoditelj na radnom paketu 6

Projekt financira Europska unija – NextGenerationEU. Izneseni stavovi i mišljenja samo su autorova i ne odražavaju nužno službena stajališta Europske unije ili Europske komisije. Ni Europska unija ni Europska komisija ne mogu se smatrati odgovornima za njih.