Využití hlubokého učení v analýze bezpečnosti měkkých cílů

Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26110%2F21%3APU142346" target="_blank" >RIV/00216305:26110/21:PU142346 - isvavai.cz</a>
Výsledek na webu
<a href="https://silnice-zeleznice.cz/media/5-2021" target="_blank" >https://silnice-zeleznice.cz/media/5-2021</a>
DOI - Digital Object Identifier
—

Jazyk výsledku
čeština
Název v původním jazyce
Využití hlubokého učení v analýze bezpečnosti měkkých cílů
Popis výsledku v původním jazyce
Článek nabízí nový přístup k analýze bezpečnostních rizik při mimořádných událostech v rámci dopravních uzlů, s cílem minimalizace jejich negativních dopadů. Navazuje na standardní metody založené na normových výpočtech a numerických evakuačních modelech a navrhuje využití metod hlubokého učení k analýze probíhající v reálném čase. V článku je stručně popsán princip umělých neuronových sítí a představeno několik příkladů jejich využití v tomto oboru.
Název v anglickém jazyce
Use of deep learning in the analysis of soft target security
Popis výsledku anglicky
The article offers a new approach to the analysis of safety risks in emergencies within transport hubs, in order to minimize their negative impacts. It builds on standard methods based on standard calculations and numerical evacuation models and proposes the use of deep learning methods for real-time analysis. The article briefly describes the principle of artificial neural networks and presents several examples of their use in this field.

Druh
J<sub>ost</sub> - Ostatní články v recenzovaných periodicích
CEP obor
—
OECD FORD obor
20102 - Construction engineering, Municipal and structural engineering

Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Podobné výsledky(10)