Hojjat Adeli-díjat kapott a Jelek és Rendszerek Kutatócsoport kutatóinak publikációja
Az International Journal of Neural Systems egy havonta megjelenő, transzdiszciplináris, referált, nemzetközi tudományos folyóirat (D1, impact factor: 8.0), amely a természetes és mesterséges idegrendszerek információfeldolgozásával foglalkozik érintve a gépi tanulás, a számítógépes idegtudomány és a neurológia területeit. A folyóirat főszerkesztőjének tiszteletére a World Scientific kiadó 2010-ben létrehozta a Hojjat Adeli-díjat, amelyet évente ítélnek oda a folyóiratban megjelent leginnovatívabb cikkek szerzőinek. 2023-ban a díjat az Informatikai Kar Numerikus Analízis Tanszékén működő Jelek és Rendszerek Kutatócsoport kutatóinak publikációja kapta:
P. Kovács, G. Bognár, C. Huber, and M. Huemer, VPNET: Variable Projection Networks, International Journal of Neural Systems, 32:1, 2150054 (19 pages).
A cikk az ELTE Informatikai Kar, a linzi Johannes Kepler Egyetem Jelfeldolgozó Intézetének és a Silicon Austria Labs kutatóközpont Embedded AI osztályának együttműködésével készült, mely nyílt hozzáférésű publikációként jelent meg. Az eredmények reprodukálhatóságát elősegítendő, közzé tettük a cikkhez tartozó adatokat, illetve a NumPy és PyTorch implementációkat is.
A díjazott publikációban egy új, paraméterezett ortogonális transzformációkat integráló modell-vezérelt neurális hálóarchitektúrát sikerült kifejleszteni. A modell-vezérelt neurális hálótervezés az ún. Explainable AI (XAI) kutatások egy kitüntetett témaköre, mely a matematikai modell alapú szemléletet ötvözi a mesterséges intelligencia adatvezérelt algoritmusaival. A fenti publikációban a fizikai és mérnöki tudományokban gyakran előforduló nem lineáris legkisebb négyzetes illesztési problémák numerikus módszereit ágyaztuk be teljesen kapcsolt neurális hálózatokba. Az így kapott VPNet egy olyan modell-vezérelt neurális háló, mely felépítésében tartalmazza a célfeladat megoldásához szükséges numerikus és matematikai heurisztikát. Ez számos előnnyel jár, mint például a teljesítmény növekedése, a becslési pontosság javulása, illetve a modell döntéseinek megmagyarázhatósága.
Az alapkoncepció publikálása óta több interdiszciplináris informatikához köthető alkalmazásban teszteltük a VPNet hálók hatékonyságát, mint például az EKG jelek arrhythmiák szerinti osztályozása, a vizuálisan gerjesztett potenciálok EEG alapú megkülönböztetése, illetve a gumiszenzoros jelek szerinti kátyúdetektálás. A háló potenciális gyakorlati alkalmazásainak vizsgálatába diplomamunkák és TDK dolgozatok formájában több MSc hallgatót is sikerült bevonni a Numerikus Analízis Tanszék gondozásában működő Modellalkotó K+F laboron keresztül, melyhez idén is várjuk az érdeklődő hallgatók csatlakozását.
