Разработка моделей глубокого обучения для автоматического обнаружения и предупреждения о потенциальных угрозах общественной безопасности на основе анализа звуковых данных
ЦЕЛЬ
Цель проекта
Цель проекта заключается в разработке и валидации передовых моделей глубокого обучения, способных автоматически обнаруживать и предупреждать о потенциальных угрозах общественной безопасности на основе анализа звуковых данных, что позволит оперативно реагировать на экстренные ситуации, повышая тем самым общественную безопасность и эффективность работы экстренных служб.
О ПРОЕКТЕ
Актуальность
Результаты проекта могут найти применение в различных отраслях, начиная от урбанистического планирования и заканчивая развитием промышленных комплексов, где безопасность является приоритетом. Кроме того, внедрение новых технологий повысит уровень научных исследований в области искусственного интеллекта и машинного обучения, стимулируя разработку новых алгоритмических подходов и улучшение технологий анализа данных. В общественных отношениях проект способствует формированию более безопасного и стабильного общества, улучшая доверие граждан к мерам безопасности, принимаемым государством.
В целом, проект ожидает не только технологический, но и социальный резонанс, предлагая решения, которые помогут сделать общество более защищенным и информированным о потенциальных угрозах, что, безусловно, повысит качество жизни и обеспечит долгосрочное устойчивое развитие.
ПЛАНЫ
Ожидаемые результаты
Планируется опубликовать:
- не менее 2 (двух) статей и (или) обзоров в рецензируемых научных изданиях по научному направлению проекта, индексируемых в Science Citation Index Expanded базы Web of Science и (или) имеющих процентиль по CiteScore в базе Scopus не менее 50 (пятидесяти);
- не менее 2 (двух) статей или обзора в рецензируемом зарубежном или отечественном издании, рекомендованном из списков 1 и 2 КОКНВО
либо
- не менее 1 (одной) статьи или обзора в рецензируемом научном издании по научному направлению проекта, индексируемом в Science Citation Index Expanded базы Web of Science и (или) имеющем процентиль по CiteScore в базе Scopus не менее 50 (пятидесяти), и не менее 1 (одного) патента по тематике проекта, включенного в базу данных Derwent Innovations Index (Web of Science, Clarivate Analytics);
либо
- не менее 1 (одной) статьи или обзора в рецензируемом научном издании, индексируемом в Science Citation Index Expanded и входящем в 1 (первый) квартиль по импакт-фактору в базе Web of Science и (или) имеющих процентиль по CiteScore в базе Scopus не менее 80 (восмидесяти).
- не менее 1 (одного) патент на изобретение (включая положительное решение по нему)
КОМАНДА
Состав исследовательской группы
Алтаева А.Б.
АО МУИТ, ассистент-профессор
Scopus ID: 57226765602
ORCID: 0000-0001-9238-7131
Омаров Б.С.
АО МУИТ
Сұлтан Д.Р.
Момынқулов З.З.
АО МУИТ
Икрам Ж.
Олжаев О.
АО МУИТ
Ордаханова Т.
АО МУИТ
Все научные проекты