Earticle

Smart home is a relatively new technology. Originally, smart home technology was used to control environmental systems such as lighting and heating; but recently the use of smart technology has been developed so that almost any electrical component within the home can be included in the system. Complex smart home applications include three levels of control: local control, discrete-event control, and supervisory control. The local control, at the lower level, handles the operating conditions of the continuous time physical variables (e.g. temperature, light, level, etc.). The discrete-event control is meant by the asynchronous events and accordingly issues the corresponding discrete actions, based on the evolution specification. The supervisory control, at the upper level, takes care of the resources allocation, activities coordination, and deadlock avoidance. This paper proposes a technique that employs the Petri net tools to model, simulate, analyze, and control at the discrete-event level the smart home applications. Petri nets are proved to be suitable formal models that can be used to verify the operation of smart homes at the simulation level. Besides, it is very easy to get an executable version of the model for real-time implementation.

Background: Gastric cancer is one of the most common causes of cancer deaths all over the world and the most important reason for its high rate of death is its belated diagnosis at advanced stages of the disease. Events occur in patients which are regarded not only as themselves factors affecting patients' survival but also which can be affected by other factors. This study was designed and implemented aiming to identify these events and to investigate factors affecting their occurrence. Materials and Methods: Data from 330 patients with gastric cancer undergoing surgery at the Iran Cancer Institute from 1995-1999 were analyzed. The survival time of these patients was determined after surgery and the effects of various factors including demographic, diagnostic and clinical as well as medical, and post-surgical varuiables on the occurrence of death hazard without relapse, hazard of relapse, and death hazard with a relapse were assessed. Results: The median survival time for these patients was 16.3 months and the 5-year survival rate was 21.6%. Based on the results of multi-state model, age and distant metastases affected relapse whereas disease stage, type and extent of surgery, lymph nodes metastases, and number of renewed treatments affected death hazard without relapse. Moreover, age, type and extent of surgery, number of renewed treatments, and liver metastases were identified as factors affecting death hazard in patients with relapse. Conclusions: Most cancer studies pay heed to factors which have effect on death occurrence, but some events occur which should be taken into consideration to better describe the natural process of the disease and provide researchers with more accurate data.

본 연구의 목적은 부영양화도 지수(TSI)를 이용하여 우리나라 호소의 영양 상태를 평가하고, 경험적 모델(Empirical model)에 의한 호소의 상태를 예측하기 위한 것이다. 연구에 사용된 수질 자료(2000, 2001)는 환경부 DB시스템에서 획득하였으며 이용된 변수는 용존산소(DO), 생물학적 산소 요구량(BOD), 화학적 산소 요구량(COD), 총인 (TP), 총질소 (TN), 부유물질 (SS), 투명도(SD), 엽록소-${\alpha}$ (CHL), 전기전도도 (Cond.)였다. 이런 수질 변수의 농도는 측정된 수계 및 계절에 따라 변이양상을 보였다. 일반적으로, 영양상태(Trophic state)는 상류로부터 댐으로 감소하는 경향을 보였으며, 계절적 변이는 여름 장마기 (7${\sim}$8월)동안 크게 발생했다. TP의 주된 유입은 장마기 (r=0.656, p=0.002)동안 일어났고, 이런 현상은 SS(r=0.678, p<0.001)와 유사한 경향을 보였다. CHL, TP, SD 및 TN을 포함한 수질변수는 계절에 따른 수계내의 영양상태를 평가하는 방법에 적용되었다. Carlson(1977)의 부영양화도지수(TSI)에 기초한 수계 내 TSI(CHL), TSI(TP)및 TSI(SD)는 중영양-부영양 상태를 보였다. 한편, TSI(TN)은 계절에 관계없이 전체 호소 내에서 TN농도가 풍부한 부영양-과영양 상태를 보였다. 따라서, 인은 호소 내 영양 상태를 조절하는 주요인자가 된다. CHL와 다른 수질 변수(TP, TN,그리고 SD)사이의 관계를 분석하기 위한 경험적 모델(Empirical model)이 개발되었다. 로그-전환 회귀분석에서 CHL-TP는 장마 전기 $R^2$ 값이 031(p=0.017)이었으나 장마 후기에는 0.69(p<0.017)로 장마 후기 인이 조류 성장에 큰 영향을 미치는 것으로 나타났다. 이와 대조적으로, SD는 TP, CHL증가에 대해 감소하는 경향을 보였고 TN은 모든 기간 동안 CHL와 약한 관계를 가졌다. 결과적으로, 경험적 모델(Empirical model)이 제시하듯이 TP는 CHL을 예측하는 핵심 인자로 사료되었다.

The purpose of this study was to evaluate trophic conditions of various Korean reservoirs using Trophic State Index (TSI) and predict the reservoir conditions by empirical models. The water quality dataset (2000, 2001) used here were obtained from the Ministry of Environment, Korea. The water quality, based on multi-parameters of dissolved oxygen (DO), biological oxygen demand (BOD), chemical oxygen demand (COD), total phosphorus (TP), total nitrogen (TN), suspended solid (SS), Secchi depth (SD), chlorophyll-${\alpha}$ (CHL), and conductivity largely varied depending on the sampling watersheds and seasons. In general, trophic conditions declined along the longitudinal axis of headwater-to-the dam and the largest seasonal variations occurred during the summer monsoon of July-August. Major inputs of TP occurred during the monsoon (r=0.656, p=0.002) and this pattern was similar to solid dynamics of SS (r=0.678, p<0.001). Trophic parameters including CHL, TP, SD, and TN were employed to evaluate how the water systems varies with season. Trophic State Index (TSI, Carlson, 1977), based on TSI (CHL), TSI (TP), and TSI (SD), ranged from mesotrophic to eutrophic. However, the trophic state, based on TSI (TN), indicated eutrophic-hypereutrophic conditions in the entire reservoirs, regardless of the seasons, indicating a N-rich system. Overall, nutrient data showed that phosphorus was a primary factor regulating the trophic state. The relationships between CHL (eutrophication index) vs. trophic parameters (TN, TP, and SD) were analysed to develop empirical models which can predict the trophic status. Regression analyses of log-transformed seasonal CHL against TP showed that the value of $R^2$ was 0.31 (p=0.017) in the premonsoon but was 0.69 (p<0.001) during the postmonsoon, indicating a greater algal response to the phosphorus during the postmonsoon. In contrast, SD had reverse relation with TP, CHL during all season. TN had weak relations with CHL during all seasons. Overall, data suggest that TP seems to be a good predictor for algal biomass, estimated by CHL, as shown in the empirical models.

사회과학자들은 빠르게 발전하고 있는 거대언어모델을 연구에 활용하기 위해 다양한 방법을 모색하고있다. 여러 시도들 중 하나는 거대언어모델을 활용하여 설문조사를 실시하는 것이다. 인구사회학적 변수에 따라 사람들의 응답이 변하는 점에 착안하여, 거대언어모델에게 특정 인구사회학적 조건을 페르소나로 부여하고 이에 대한 응답을 수집하여 분석하는 방식이다. 본 글은 이와 같은 방법론의 현재 발전 방향을 파악하고, 사회학의 개념적 틀에서 총 세 가지 근원적 한계점이 있음을 지적한다. 첫째, 구조 속에서 일어나는 개인의 행위를 해석할 때 구조의 영향력을 과대평가 할 수 있다. 둘째, 사회적 사실이 특정 사회에 제한적으로 보편적이라는 특성을 반영하기 힘들다. 셋째, 우리가 사용하는 거대언어모델은 사회 규범과 합치하도록 이미 내부 검열을 마친 상태이기 때문에 그 자체로 사회적 산물이며, 따라서 실제 여론을 반영한다고 보기 어렵다. 따라서 거대언어모델을 활용하여 기존의 설문조사를 재생산하려는 시도보다 거대언어모델이 바꿔나갈 앞으로의 사회의 모습을 연구하는 방향 혹은 창의적으로 설문조사를 재설계하는 방향을 제안한다.

Social scientists are exploring various ways to utilize the rapidly evolving large language models in their research. One way to use large language models for research is to employ them to conduct surveys. Because people’s responses vary by sociodemographic variables, the idea of this survey is to assign personas to a large language model with specific prompting and collect the responses. This article identifies the current status of this methodology and illustrates three fundamental limitations based on the conceptual framework of sociology. First, this approach may overestimate the influence of structure on an individual. Second, it is difficult to reflect the limited universal nature of social facts in particular societies. Third, the large language models we use are themselves social products that have already been internally censored to conform to social norms, and thereby may not necessarily represent actual public opinion. Therefore, instead of merely replicating existing survey methods using large-scale language models, I propose studying the societal changes these models will bring or creatively redesigning survey methods to leverage LLMs effectively.

이글은 초거대 언어 모델과 ‘인공지능’이라는 말이 학문 분야 및 여러 전문 분야에 화두가 되어 있는 시점에, 특히, 기계와 사람간의 언어적 상호작용인 대화형 인터페이스를 갖춘 인공지능의 한 유형으로서 대화 모델을 살피고 언어적 연구 방향에 대한 모색을 한다. 초거대 언어 모델이 언어 인공지능 개발에 획기적인 기준점이 되었고 이에 기반한 대화 모델도 큰 성장을 하고 있다. 대화 시스템은 인간과 기계간의 상호작용을 실행해온 만큼 그 개발의 방향도 멀티모달을 더고려하고 상호작용을 더 잘 할 수 있는 방향으로 가고 있다. 대화 시스템의 보다자연스러운 대화를 위해서는 여전히 대화 분석적, 대화 맥락에 관련된 언어적 주제를 딥러닝 방법론을 활용하여 발전시켜야 할 부분이 많다. 초거대 언어모델 기반의 대화 인터페이스인 챗지피티의 핵심 방법론은 인간피드백강화학습(RLHF:Reinforcement Learning from Human Feedback)이다. 이와 관련하여 초거대 언어 모델을 자원으로 하여 대화 맥락 분석에 활용할 기법으로 프롬프트 엔지니어링을 소개한다.

This article investigates dialogue models for linguistic interactions between humans and machines along with ‘artificial intelligence’ and Large language models being topics in the academic and various scientific fields and seeks linguistic research topics. Dialogue systems have been developed in the interaction between humans and machines with other information such as voice and vision rather than relying only on text language, hence the research direction is going to go for considering multimodal and better interaction. If we focus on the linguistic aspect of the conversation system, there are still many areas that need to be developed by linguistic topics related to conversation context utilizing deep learning methodology for better natural conversation. The most recent dialogue model ChatGPT shows that the large language models have become groundbreaking resources for developing linguistic artificial intelligence and the dialogue interface based on them. Prompt Engineering is an easy method to utilize ChatGPT’s large language models and dialogue interface to control dialogue contexts with a researcher’s purpose.

본 논문은 이노베이션 상태공간모형을 근간으로 기존의 지수평활법을 포괄할 수 있는 다중 계절형 모형을 소개한다. 특히 이 모형은, 기존 모형의 한계를 극복하고 동일한 계절 내의 다양성을 표현할 수 있도록 계절 성분을 행렬로 표현하는 정교한 구조를 가지고 있다. 이런 구조를 이용하면 비슷한 패턴을 가지는 계절 성분의 모수를 그룹별로 분류할 수 있다. 따라서, 다중 계절형 모형은 모수절약 원칙을 달성할 수 있으며 모형의 해석이 용이한 장점을 가지고 있을 뿐만 아니라, 잠재적으로 임의의 개수의 계절성도 수용 가능하다. 본 연구에서는 다중 계절형 모형을 이용하여 시간 단위로 관측된 한국 전력 수요량을 분석하고 예측한다. 특히, 시간별 전력 수요량의 계절성은 1일 및 1주일의 두 가지로 고려되었고 이를 토대로 유사한 요일들은 공통 계절로 그룹화하였다. 모형의 예측 성능을 평가하기 위하여 기존 지수평활법의 예측 결과와 비교하였다. 그 결과, 다중 계절형 모형이 기존 지수평활법보다 예측력이 우수함을 확인하였다.

We introduce innovations state space exponential smoothing models (ISS-ESM) that can analyze time series with multiple seasonal patterns. Especially, in order to control complex structure existing in the multiple patterns, the model equations use a matrix consisting of seasonal updating parameters. It enables us to group the seasonal parameters according to their similarity. Because of the grouped parameters, we can accomplish the principle of parsimony. Further, the ISS-ESM can potentially accommodate any number of multiple seasonal patterns. The models are applied to predict electricity demand in Korea that is observed on hourly basis, and we compare their performance with that of the traditional exponential smoothing methods. It is observed that the ISS-ESM are superior to the traditional methods in terms of the prediction and the interpretability of seasonal patterns.

“국가는 왜 싸우는가?”라는 질문은 국제정치학의 핵심질문 중 하나이다. 기존 연구는 법칙적 모형과 규범적 모형 중 하나의 모형을 채택하여 전쟁을 수행한 국가행위를 설명함으로써 이 질문에답해왔다. 전자를 채택한 연구는 주어진 조건과 국가행위 사이에서 발견되는 법칙을 제시함으로써국가행위를 설명한다. 이와 달리, 후자를 채택한 연구는 국가행위의 적절성을 평가함으로써 국가행위를 설명한다. 그러나 두 모형은 서로 다른 한계가 있다. 먼저, 법칙적 모형을 채택한 연구는 사회적 관계의 법칙을 찾으려는 과정에서 어려움을 겪게 된다. 설령 법칙을 찾더라도 법칙이 설명의 범위를 줄이는 역할을 하지 못하기 때문에 이 모형으로는 유효한 설명을 제시하기 어려울 수 있다. 한편, 규범적 모형은 국가가 행위를 결정할 때 수행한 평가과정에 관한 내용을 설명에 포섭함으로써행위에 대한 이해를 돕는다. 그러나 이 모형은 그 행위가 왜 일어났는지 해명하지 못하는 한계가있다. 이 연구는 기존 모형의 장점과 한계를 고려하여 규범적 모형의 장점을 취하고, 그 한계를 극복할 수 있는 하나의 대안적 모형을 제시한다. 즉, 이 연구는 욕망과 신념으로 구성된 이유 중 원인을제시함으로써 국가행위를 설명하는 모형을 정당화하는 것이다. 이를 통하여 국가행위를 적절하게설명하기 위한 조건을 찾고, 국제정치 연구들 간에 현상에 매몰되지 않고 건전한 비판과 소통을 할수 있는 길을 모색하려고 한다.

One of the essential questions in international politics is, “Why do states fight?” Existing studies have answered this question by adopting one of the Nomological model and the Normative model. The studies adopting the former describe state action by showing the law to be found between the given conditions and the action. Conversely, the studies adopting the latter explain state action by evaluating its appropriateness. However, the two explanatory models have different limitations. The studies that follow the Nomological model can often face difficulty discovering the law of social relations. Even if we can find the law, it can be challenging to provide a valid explanation with this model because the law does not serve to reduce the scope of the explanation. On the other hand, the Normative model has the advantage of helping understand action by including the description of the evaluation process that occurs when the state decides on the action in the explanation. However, this model cannot answer why the action happened. Therefore, this study takes the strengths of the Normative model and suggests a model that can overcome its limitations. In other words, this study justifies the model that explains state action by pointing out the cause among the reasons composed of desires and beliefs. This study contributes to identifying the conditions for an adequate explanation of state action and finding the possible ways for sound criticism and communication among the studies.