A Kiadó 2010-ben hozta létre a Hojjat Adeli-díjat, amelyet évente ítélnek oda az International Journal of Neural Systems folyóiratban megjelent leginnovatívabb cikkek szerzőinek.
A D1-es, transzdiszciplináris, referált tudományos folyóirat a természetes és mesterséges idegrendszerek információfeldolgozásával foglalkozik, érintve a gépi tanulás, a számítógépes idegtudomány és a neurológia területeit.
2023-ban a díjat az Informatikai Kar Numerikus Analízis Tanszékén működő Jelek és Rendszerek Kutatócsoport tagjainak publikációja kapta.
A nyílt hozzáférésű publikáció a linzi Johannes Kepler Egyetem Jelfeldolgozó Intézete és a Silicon Austria Labs kutatóközpont Embedded AI Osztálya együttműködésével készült, szerzői az eredmények reprodukálhatóságát elősegítendő, közzétették a cikkhez tartozó adatokat, illetve a NumPy és PyTorch implementációkat is.
A kutatóknak új, paraméterezett ortogonális transzformációkat integráló, modellvezérelt neurális hálóarchitektúrát sikerült kifejleszteni. A neurális hálótervezés az Explainable AI (XAI) kutatások kitüntetett témaköre, amely a matematikai modell alapú szemléletet ötvözi a mesterséges intelligencia adatvezérelt algoritmusaival. A kutatók a fizikai és mérnöki tudományokban gyakran előforduló nem lineáris legkisebb négyzetes illesztési problémák numerikus módszereit ágyazták be teljesen kapcsolt neurális hálózatokba. Az így kapott VPNet olyan modellvezérelt neurális háló, amely felépítésében tartalmazza a célfeladat megoldásához szükséges numerikus és matematikai heurisztikát. Ez számos előnnyel jár, egyebek mellett nő a teljesítmény, javul a becslési pontosság és magyarázhatóbbá válnak a modell döntései.
Az alapkoncepció publikálása óta a kutatók több interdiszciplináris informatikához köthető alkalmazásban (EKG jelek arrhythmiák szerinti osztályozása, vizuálisan gerjesztett potenciálok EEG alapú megkülönböztetése, gumiszenzoros jelek szerinti kátyúdetektálás) tesztelték a VPNet hálók hatékonyságát. A háló potenciális gyakorlati alkalmazásainak vizsgálatába diplomamunkák és TDK-dolgozatok formájában több MSc-hallgatót sikerült bevonni a Numerikus Analízis Tanszéken működő Modellalkotó K+F laboron keresztül.
