전체 글

Abstract 심리학 연구에서 시각적 특성(visual features)과 의미적 내용(semantic conetnt)가 다양한 감정을 전달할 수 있다는 것을 보여준다. 더 나아가, 연구들은 image emotion과 aesthetics(미학: 화풍/ 스타일 등)이 매우 밀접하게 연결되어 있는 것을 입증했다. Image Aesthetic assessment process(IAA: 이미지 미적 평가 과정)에서 이미지는 개인의 감정적인 반응을 이끌어내어 정서적인 공감을 이끌어내고, 이미지의 평가에 영향을 미친다. 본 논문에서는 Hypernetwork of emotion fusion(HNEF)를 통해 Image aesthetics(이미지 심미성) 평가 방법을 제안한다. 이 방법을 달성하기 위해, aesthe..

0. Abstract 대화 내의 Deception Detection은 어렵지만, 중요한 task로 multimedia 사기 방지, 맞춤형 보안과 같은 많은 분야에서 중요한 분야이다. 하지만 Deception Detection Research는 high-quality deception dataset의 부족으로, Multimodal features를 효과적으로 학습하기 어렵다. 이 데이터셋 문제를 해결하기 위해, 풍부한 Deceptive Converstaion을 포함한 최대 Game-show dataset, DOLOS를 소개한다. DOLOS에는 213명의 주체가 등장하는 1675개의 비디오 클립이 포함되어 있으며, audio-visual feautre 주석이 달려있다. 본 논문에서는 다양한 요인의 영향을 조..

Abstract: 본 연구는 stationed road bike(고정된) four nover virtual steering methods(네가지의 가상 조향 방법) two in-game superhuman speed reward idea pedalling system simulating real-life resitance. 을 포함한 Vritual Reality(VR) bike exergame system을 제안한다. 본 연구의 목적은 virtual speed가 보상으로 사용되어 신체적인 활동의 즐거움을 촉진을 일으킬 수 있는지에 대한 연구이다. 결론은 reward-based superhuman speed는 사용자의 즐거움에 유의미한 결과를 줌을 시사한다. 1. Introduction 2020년 10월 ..

1. Detour convex f''(X) >= 0일 때, function f는 convex(아래로 볼록) 증명. MLE에서 위로 볼록임을 증명할 때(concave) f''(x)

1. 소개 유명인들이 유명인들과 만나는 것 처럼 허브는 다른 허브와 연결하는 경향이 있다. 하지만 모든 네트워크에서 이 성질이 나타나는 것이 아니다. 효모의 단백질 상호작용 네트워크에서는 scale-free 성질을 가지고 링크수가 1이나 2인 수많은 단백질이 소수의 많은 연결을 가진 허브와 공존한다. 그런데 이 허브들은 서로 연결하는 것을 피하고, 링크수가 작은 노드와 연결됨으로써 허브-바큇살 구조를 생성한다. 링크수인 k와 k'이 클수록 확률이 커진다. 하지만, 단백질 네트워크에서 허브 사이에는 링크가 없다. 반대로 링크수가 작은 노드 사이에는 수많은 링크가 있다. 즉, 요약하면 사회연결망에서 허브들은 서로 데이트하는 경향이 있지만 단백질 상호작용 네트워크에서는 그 반대이다. 이는 링크수 상관관계 De..

6.1 소개 웹의 경쟁적 지형은 지금까지 본 네트워크 모형 중 어떤것도 설명할 수 없다. 에르되시-레니ㅡ모형에서 가장 큰 노드는 전적으로 우연히 결정하고, 바라바시-알버트 모형은 더 현실적인 그림을 제공해 가장 오래된 노드가 언제나 가장 많은 링크를가진다고 한다. 하지만, 현실에서 노드의 성장 속도는 나이에만 의지를 하지 않고 실제 네트워크에서 자주 관찰되는 노드와 링크 삭제, 노드의 나이 듦 같은 실제 네트워크의 동역학과 위상을 예측하기 위한 조정이 필요하다. 6.2 비안코니-바라바시 모형 적합도: 성공적인 노드들은 공통적으로 자신을 무리의 앞으로 나아가게 하는 고유한 특성을 지닌다. ex)어떤 사람들은 우연한 만남을 오래 지속되는 사회적 관계로 바꾼다. 즉, 적합도는 우연한 만남을 오래 지속되는 우정..

5.1 소개 허브는 무작위 네트워크와 scale-free 네트워크의 가장 큰 차이이다. 허브의 존재와 관련된 척도 없는 법칙을 따르는 구조는 두가지 근본적인 질문을 제기한다. 왜 WWW나 세포처럼 상당히 다른 시스템이 비슷한 척도 없는 구조로 수렴하는가? 왜 에르되시와 레니의 무작위 네트워크 모형은 실제 네트워크에서 나타나는 허브와 거듭제곱 법칙을 재현하지 못할까? WWW와 세포처럼 다른 시스템이 왜 비슷한 구조에 수렴하는지 이해하기 위해서 척도 없는 특성을 발현시키는 기작을 이해해야 한다. 위 질문에 대한 답이 5장에서의 핵심 주제이다. 5.2 성장과 선호적 연결 "왜 허브와 거듭제곱 법칙이 무작위 네트워크에서는 발현되지 않는가?" 이 질문은 에르되시-레니 모형을 실제 네트워크와 다르게 하는 숨겨진 두..

Exponential Family Models 아이디어: "If p has special form, some questions, inference learning come for free." 확률분포 p가 특정한 수학적인 형태로 나타날 수 있다면, 여러가지 계산이 간단하게 이루어질 수 있다. Form: Example 1: Bernoulli Random variables Exmple 2: Gaussian with Fixed Variance Exponential Family 쓰는 이유 Design Assumtions Design Choices 2가지 가정을 바탕으로, 분포가 지수족이면, MLE로 학습시키는것과, 추론은 매우 쉬워진다. natural parameter을 통해 model parameter을 쉽게..