Earticle

EEG-based brain-computer interfaces has focused on explicitly expressed intentions to assist physically impaired patients. For EEG-based-computer interfaces to function effectively, it should be able to understand users' implicit information. Since it is hard to gather EEG signals of human brains, we do not have enough training data which are essential for proper classification performance of implicit intention. In this paper, we improve the subject independent classification of implicit intention through the generation of additional training data. In the first stage, we perform the PCA (principal component analysis) of training data in a bid to remove redundant components in the components within the input data. After the dimension reduction by PCA, we train ICA (independent component analysis) network whose outputs are statistically independent. We can get additional training data by adding Gaussian noises to ICA outputs and projecting them to input data domain. Through simulations with EEG data provided by CNSL, KAIST, we improve the classification performance from 65.05% to 66.69% with Gamma components. The proposed sample generation method can be applied to any machine learning problem with fewer samples.

이용자의 감성은 그 어느 때보다 기업, 정부 그리고 개인 간의 소통에서 중요한 변수로 인식된다. 특히 수많은 연구에서 이용자의 감성을 파악하는 방법으로 음성 톤, 속도, 얼굴 표정, 몸의 이동 방향과 속도, 제스쳐 등이 사용된다. 다중 모달리티는 단일의 모달리티보다 정확도가 높은 반면 멀티 센싱에 따른 인식률 한계와 데이터 처리 부하 그리고 센싱된 값을 추론하는 우수한 알고리즘이 요구된다. 즉 다중 모달리티는 각 모달리티의 개념, 속성이 상이하여 인간의 감성값이라는 표준화된 값으로 전환하는데 오류가 발생할 수 있다. 이 문제를 해결하기 위해 다중 모발리티 중 관계망 분석, 문맥 파악, 디지털 필터 등의 기술을 이용하여 이용자에게 우선 순위를 갖는 감성 표현 모달리티를 추출할 필요가 있다. 특정 상황에 우선 순위를 갖는 모달리티와 그 주변을 에워싼 다른 모발리티를 암묵 값으로 처리하면 감성 인식에 있어 컴퓨터 자원의 소비 대비 견고한 시스템을 구성할 수 있다. 본 연구 결과, 암묵 데이터를 활용하여 다중 모발리티 중 가중치를 어떻게 부여할지에 대하여 제안하였다.

User's sensitivity is recognized as a very important parameter for communication between company, government and personnel. Especially in many studies, researchers use voice tone, voice speed, facial expression, moving direction and speed of body, and gestures to recognize the sensitivity. Multiplex modality is more precise than single modality however it has limited recognition rate and overload of data processing according to multi-sensing also an excellent algorithm is needed to deduce the sensing value. That is as each modality has different concept and property, errors might be happened to convert the human sensibility to standard values. To deal with this matter, the sensibility expression modality is needed to be extracted using technologies like analyzing of relational network, understanding of context and digital filter from multiplex modality. In specific situation to recognize the sensibility if the priority modality and other surrounding modalities are processed to implicit values, a robust system can be composed in comparison to the consuming of computer resource. As a result of this paper, it is proposed how to assign the weight of multiplex modality using implicit data.

명시적 비윤리 표현과 달리 암시적 비윤리 표현은 학습 데이터로 선정하기 어 려울뿐만아니라향후생산패턴을예측하기어렵다. 따라서암시적비윤리표 현에 대한 언어 모델의 탐지 능력을 향상시키기 위해 모델의 약점을 발견하는 연구가 필수적이다. 본 논문에서는 암시적 비윤리 표현의 표기(야민정음, 외계어) 를 변경하고 긍정적 요인(어휘, 이모티콘)을 삽입하여 모델의 예측에 변화를 유 도하였다. 또한, 야민정음, 외계어, 이모티콘을 활용한 추가 실험을 설계했다. 그 결과, (1) 비윤리 표현 검출 과정에서 텍스트 자체보다 이모티콘의 영향력이 더 강하고, (2) 언어 모델이 특정 입력 변화에 취약하다는 사실을 발견하였다. 이후 모델이 취약성을 보인 변형 형태를 활용하여 파인튜닝 데이터 세트를 구성한 뒤, 파인튜닝을 진행하였고 눈에 띄는 성능 개선을 끌어내었다. 이를 통해 언어 모델 의 비윤리 표현 탐지 능력을 향상하기 위해서는 보다 다양한 유형의 데이터로 학습하는 것이 필수적이라는 결론을 내렸다. 본 연구를 계기로 언어 모델을 이용 한 암시적 비윤리 표현 탐지에 관한 연구가 더욱 활성화되기를 기대한다.

Unlike explicit unethical expressions, implicit unethical expressions are not only difficult to select as training data but also difficult to predict future production patterns. Therefore, to improve the detection ability of language models for implicit unethical expressions, research into the weaknesses of the models is essential. In this paper, we changed the notation of implicit unethical expressions (YaminJeongeum, alien words) and inserted positive factors (vocabulary, emojis) to induce changes in the model’s predictions. We also designed additional experiments using YaminJeongeum, alien words, and emojis. As a result, we found that (1) the influence of emojis is stronger than the text itself in the language model detection process, and (2) the language model is vulnerable to certain input variations. Thus, we then constructed a fine tuning dataset using the input variants that the language model was weak on, and fine tuned the model, which led to a noticeable performance improvement. We concluded that training with more diverse types of data is critical to improve the ability of language models to detect unethical expressions. We hope that this study will stimulate further research on implicit unethical expressions detection using language models.

In this paper, a method of constructing a rectangular net from unorganized point cloud data is presented. In the method an implicit surface that fits the given point data is generated by using principal component analysis(PCA) and adaptive domain decomposition method(ADDM). Then a complete and quality rectangular net can be obtained by extracting voxel data from the implicit surface and projecting exterior faces of extracted voxels onto the implicit surface. The main advantage of the proposed method is that a quality rectangular net can be extracted from randomly scattered 3D points only without any further information. Furthermore the results of this works can be used to obtain many useful information including a slicing data, a solid STL model and a NURBS surface model in many areas involved in treatment of large amount of point data by proper processing of implicit surface and rectangular net generated previously.

데이터 희소성은 추천 시스템의 주요 과제 중 하나이다. 추천 시스템에서는, 일부분만 관찰된 데이터이고 다른 부분은 데이터가 누락된 대용량 데이터를 포함하고 있다. 대부분의 연구에서는, 데이터 세트에서 무작위로 데이터가 누락되었다고 가정하고, 관찰된 데이터만을 사용하여 추천 모델을 학습함으로써 사용자에게 항목을 추천하고 있다. 그러나, 실제로는 누락된 데이터는 무작위로 손실되었다고 볼 수 없다. 본 연구에서는, 누락 된 데이터를 사용자적 관심의 부정적인 예라고 간주하였다. 또한, 3가지 샘플 접근 방식을 SVD++ 알고리즘과 결합하여 SVD++_W, SVD++_R 그리고 SVD++_KNN 알고리즘을 제안하였다. 실험결과를 통하여, 제안한 3가지 샘플 접근 방식이 기존의 기본적인 알고리즘 보다 Top-N 추천에서 정확성과 회수율을 효과적으로 향상시킬 수 있다는 것을 보였다. 특히, SVD++_KNN 가 가장 우수한 성능을 보였는데, 이는 KNN 샘플 접근 방식이 사용자적 관심의 부정적인 예를 추출하는데 가장 효율적인 방법이라는 것을 보여주었다.

Data sparsity is one of the main challenges for the recommender system. The recommender system contains massive data in which only a small part is the observed data and the others are missing data. Most studies assume that missing data is randomly missing from the dataset. Therefore, they only use observed data to train recommendation model, then recommend items to users. In actual case, however, missing data do not lost randomly. In our research, treat these missing data as negative examples of users' interest. Three sample methods are seamlessly integrated into SVD++ algorithm and then propose SVD++_W, SVD++_R and SVD++_KNN algorithm. Experimental results show that proposed sample methods effectively improve the precision in Top-N recommendation over the baseline algorithms. Among the three improved algorithms, SVD++_KNN has the best performance, which shows that the KNN sample method is a more effective way to extract the negative examples of the users' interest.

인간 생활의 질적인 향상을 위해, 각종 시스템이 연구되고 있다. 특히 작고 설치가 용이한 센서를 중심으로 Ubiquitous 분야가 발달하고 있으며, 센서 네트워크에 대한 연구가 활발히 진행되고 있다. 특히 일반적인 생활에는 물론 의료, 노약자의 보호, 위험 감지 등의 중요한 분야에까지 센서 네트워크가 활용됨으로써 데이터 전송의 정확성과 신뢰성은 중요한 문제로 대두되었다. 이에 본 논문에서는, 센서의 특성과 무선 통신의 특징을 고려하여 에너지 효율성 및 데이터 전송의 신뢰성을 향상시키기 위한 방법을 제시하고자 한다. 특히 RSSI 신호와 채널 에러율을 함께 이용하여 각 노드 경로별 신뢰도를 계산하고, 이에 따라 선택적으로 Acknowledgement를 사용하며 오버히어링 문제를 역으로 이용하여, 묵시적 Acknowledgement로 사용함으로써 에러율이 높고 에너지가 한정되어있는 무선 센서 네트워크에서 계속적인 ACK/NACK 사용으로 인한 에너지 소비 및 트래픽 낭비를 줄이고자 한다.

인간 생활의 질적인 향상을 위해, 각종 시스템이 연구되고 있다. 특히 작고 설치가 용이한 센서를 중심으로 Ubiquitous 분야가 발달하고 있으며, 센서 네트워크에 대한 연구가 활발히 진행되고 있다. 특히 일반적인 생활에는 물론 의료, 노약자의 보호, 위험 감지 등의 중요한 분야에까지 센서 네트워크가 활용됨으로써 데이터 전송의 정확성과 신뢰성은 중요한 문제로 대두되었다. 이에 본 논문에서는, 센서의 특성과 무선 통신의 특징을 고려하여 에너지 효율성 및 데이터 전송의 신뢰성을 향상시키기 위한 방법을 제시하고자 한다. 특히 RSSI 신호와 채널 에러율을 함께 이용하여 각 노드 경로별 신뢰도를 계산하고, 이에 따라 선택적으로 Acknowledgement를 사용하며 오버히어링 문제를 역으로 이용하여, 묵시적 Acknowledgement로 사용함으로써 에러율이 높고 에너지가 한정되어있는 무선 센서 네트워크에서 계속적인 ACK/NACK 사용으로 인한 에너지 소비 및 트래픽 낭비를 줄이고자 한다.

The data on the May 18 Gwangju Democratic Uprising and the rescue of Kim Dae Jung's life in the People's Daily are of primary significance from the need for sympathy and cooperation from neighboring countries to seek the stability of the Korean Peninsula and the development of democracy. Nevertheless, related data for a long time were not subject to academic research. The reason can be summarized in two main ways. One is that the data containing the perspective of the socialist country China is not securing objectivity. The other is that researchers do not have an active attitude toward the discovery and academic research of the country's historical materials. Until now, academic research on the democratic movement and the maturity of democratization in the south of the Korean Peninsula has continued, focusing on the related data in the U.S. and Japan. Considering the current development of conflicts around the Korean Peninsula, it is time to study China's data at least from an academic perspective. Through the analysis, it was confirmed that China's data on the Kim Dae Jung life-saving movement in the process of the New Military Constitution is very valuable in the future construction of a unified state on the Korean Peninsula and planning contents for friendly exchanges between Korea and China.

본 논문에서는 인터뷰형식의 담화자료를 사용하여 일인칭대명사가 명시되어 있는 예와 암시되어 있는 예를 비교하여 그 차이를 고찰하였다. 우선 데이터의 인터뷰 질문 중에서도 예/아니오로 대답할 수 있는 질문의 답에서 일인칭대명사의 명시와 암시를 살펴보았다. 그 결과 부정으로 대답하는경우 일인칭대명사가 명시되는 경향이 있지만 부정의 답에서도 긍정의 답에서도 일인칭대명사는 암시되는 경우가 많다는 것을 알 수 있었다.이 결과를 바탕으로 일인칭대명사가 명시되는 경우와 암시되는 경우로 나누어 그 특징을 고찰하였다. 일인칭대명사가 명시되는 경우, 인터뷰어의 예상과 다른 대답을 하는 경우일인칭대명사가 명시되는 것을 알 수 있었다. 또한 자신의 경험이나 특성과 같은 특별한 경우를 설명하는 경우에도 일인칭대명사가 명시되는 경향이 있다는것을 알 수 있었다. 일인칭대명사가 암시되는 경우는 그 특징을 크게 4가지로나누어 살펴보았다. 하지만 인터뷰어의 질문 수에 비해 그 대답에서 일인칭대명사가 명시되는 경우가 많지 않았다. 따라서 일본어에서는 일인칭대명사가암시되는 것이 일반적이나 인터뷰이가 인터뷰어의 예상이나 질문의 의도와는다른 대답을 하는 경우 일인칭대명사가 명시되는 경향이 있다는 것을 알 수있었다.

The purpose of this study is to research the pattern of instances in which thefirst person pronoun “watashi” is used or dropped, and based on these findings.Thispaper examines native speakers’ usages of “I(watashi)” in interview data, based onthe data contained in theUemura Corpus which documents the results of OPI(OralProficiency Interview) tests by native speakers of Japanese. It shows that they use the word more frequently when replying negatively.Lookingat replies negatively, native speakers tend to use “I” more frequently (the percentageof replies negatively and affirmatively which used “I” multiple times: negative answer13.47%, affirmative answer 6.36%). The speech data from interviews indicated that ‘watashi’ was used in situationswhere the speaker is offering an opinion that differs from that of the intervieweror is introducing a topic that the interviewer has not anticipated.The researched dataon the colloquial speech pattern of native speakers also showed that they frequentlyuse ‘watashi’ in situations that express a personal opinion, a personal experience,or a personal situation. In contrast to English, in which the grammatical subject is not omitted from asentence, Japanese allow the omission of the subject or object.With regard to themeanings of “I” usages, The speech data from interviews indicated that ‘watashi’was used in situations where the speaker is offering an opinion that differs fromthat of the interviewer or is introducing a topic that the interviewer has notanticipated.