• The Journal of the Korea Contents Association
• /
• v.21 no.5
• /
• pp.157-169
• /
• 2021

YouTube has rapidly grown as a news media outlet. As political content without fact-checking is actively provided and YouTube algorithms are used for content recommendations, users are selectively exposed to certain political ideologies, which could escalate conflicts among political groups. In particular, the stronger the identification of in-group, the greater the antipathy toward outgroup, and the more exposed the content to the parties that support or oppose it, the stronger the identification or the antipathy can be. This study investigated the relationship between selective exposure and political attitude polarization in the context of political video on YouTube. Based on social identity theory, this study also found that political identification mediates the relationship between selective exposure and political attitude polarization.

• The Korean Journal of Applied Statistics
• /
• v.29 no.7
• /
• pp.1361-1371
• /
• 2016

Quantile regression provides a variety of useful statistical information to examine how covariates influence the conditional quantile functions of a response variable. However, traditional quantile regression (which assume a linear model) is not appropriate when the relationship between the response and the covariates is a nonlinear. It is also necessary to conduct variable selection for high dimensional data or strongly correlated covariates. In this paper, we propose a penalized quantile regression tree model. The split rule of the proposed method is based on residual analysis, which has a negligible bias to select a split variable and reasonable computational cost. A simulation study and real data analysis are presented to demonstrate the satisfactory performance and usefulness of the proposed method.

• Journal of the Korean Data and Information Science Society
• /
• v.28 no.3
• /
• pp.533-545
• /
• 2017

Quantile regression models provide a variety of useful statistical information by estimating the conditional quantile function of the response variable. However, the traditional linear quantile regression model can lead to the distorted and incorrect results when analysing real data having a nonlinear relationship between the explanatory variables and the response variables. Furthermore, as the complexity of the data increases, it is required to analyse multiple response variables simultaneously with more sophisticated interpretations. For such reasons, we propose a multivariate quantile regression tree model. In this paper, a new split variable selection algorithm is suggested for a multivariate regression tree model. This algorithm can select the split variable more accurately than the previous method without significant selection bias. We investigate the performance of our proposed method with both simulation and real data studies.

• KIPS Transactions on Software and Data Engineering
• /
• v.4 no.7
• /
• pp.291-296
• /
• 2015

In this paper, we propose a new confidence measure using pixel selection for eye detection and design a hybrid eye detector. For this, we produce sub-images by applying a pixel selection method to the eye patches and construct the BDA(Biased Discriminant Analysis) feature space for measuring the confidence of the eye detection results. For a hybrid eye detector, we select HFED(Haar-like Feature based Eye Detector) and MFED(MCT Feature based Eye Detector), which are complementary to each other, as basic detectors. For a given image, each basic detector conducts eye detection and the confidence of each result is estimated in the BDA feature space by calculating the distances between the produced eye patches and the mean of positive samples in the training set. Then, the result with higher confidence is adopted as the final eye detection result and is used to the face alignment process for face recognition. The experimental results for various face databases show that the proposed method performs more accurate eye detection and consequently results in better face recognition performance compared with other methods.

• Korean Journal of Cognitive Science
• /
• v.20 no.3
• /
• pp.357-381
• /
• 2009

Although it is known that there are personality characteristic variances in the sensitivity to environmental feedback, the trait individual difference has scarcely been explored in the context of recognition memory decision. The present study investigated this issue by examining the relationship between the feedback-based adaptive flexibility of recognition criterion positioning and personality differences in general sensitivity to non-laboratory outcomes. Experiment 1 demonstrated that veridical feedback itself had little effect on the recognition decision criterion whereas Experiment 2 demonstrated that biased feedback manipulations selectively restricted to high confidence errors, induced shifts even in the overall Old/New category criterion. Critically, individual differences in stable personality characteristic linked to reward seeking(Behavioral Activation System-BAS) and anxiety avoidance (Behavioral Inhibition System-BIS) has been shown to predict the sensitivity of subjects to this form of feedback-induced criterion learning. This data further support the idea that incremental reinforcement-based learning mechanism not often considered important during explicit recognition decisions may play a key role in criterion setting.

• Resources Recycling
• /
• v.14 no.3
• /
• pp.63-67
• /
• 2005

As there are recent tendencies to raise horizontal frequencies so as to improve screen definition for high-quality TV and high definition display, ferrite core for deflective yokes requires materials with low coreloss in the areas of high frequencies. The researcher added CuO to low-loss Mg-Zn ferrite. After choosing MgO, ZnO, Fe$_2O_3$ and CuO, the researcher changed a ratio of composition, substituting MgO for CuO. These samples were sintered for three hours up to 980$^{\circ}C$~1350$^{\circ}C$. Measure magnetic permeability, electric loss, core loss and a rate of contraction.

• Proceedings of the Korean Institute of Information and Commucation Sciences Conference
• /
• 2003.05a
• /
• pp.382-385
• /
• 2003

본 논문에서는 최근 고품위 TV 및 고정세도 디스플레이용으로 화상의 정세도를 향상시키기 위해 수평주파수를 높이려는 움직임이 있어, 편향 요크용 페라이트 코아에는 고주파수 영역에 있어서도 코아로스가 낮은 재료가 요구되고 있는 실정이다. Mg-Zn 페라이트에 있어서 화학조성 및 프로세스가 미세구조에 미치는 영향에 착안하여 저온 소결화를 하였다. 저손실인 Mg-Zn계 Ferrite에 Cu를 첨가하였다. MgO, ZnO, Fe$_2$O$_3$, CuO를 선택한 후 조성비의 변화를 두며 CuO를 MgO로 치환하였다. 이 시료를 98$0^{\circ}C$~135$0^{\circ}C$까지 3시간 소결하였다. 측정은 투자율, 전력손실 수축율, 코아로스를 측정하였다. 시료의 수축율을 개시하는 온도는 90$0^{\circ}C$ 부근이며 Cu치환에 따라 수축율이 증가하였으며, Cu치환에 따라 소성온도가 약 -5$0^{\circ}C$~75$^{\circ}C$ 낮아졌다.

• Journal of the Korean Institute of Telematics and Electronics S
• /
• v.36S no.3
• /
• pp.47-56
• /
• 1999

제한된 출력 즉 오차 측정된 출력 값만을 사용하여 원하는 목표치에 도달하도록 하는 제어 문제를 푸는데 많은 연구가 진행되어 왔다. 종종 그러한 제어기를 설계할 때 해를 구하기 어려운 Non Linear Two Point Boundary Value Problem에 직면하게 된다. 특히 Reduced order 추정자 알고리즘은 백색 잡음에 의하여 영향을 받은 선형 시스템의 측정된 상태 뿐 만 아니라 보조 상태를 추정하기 위하여 개발되었다. 추정자를 설계할 때 상태는 무편향성이고 추정자의 편차는 추정자 및 추정상태와 공통되는 상태에 대한 모든 출력의 subspace에 수직이 된다. 특히 reduced order에서의 필터 성능은 full order에서의 필터 성능에 대해 suboptimal 이지만 상응한 Riccati equation을 푸는데 계산시간이 줄고 memory사용이 적은 이점이 있다. 본 논문에서는 Kronecker algebra와 선택행렬을 이용하여 Non Linear Two Point Boundary Value Problem을 Linear Two Point Boundary Value Problem으로 변환시켜 부수적으로 수반되는 대수적인 Riccati equation을 유도함으로써 문제를 쉽게 해결하는데 있다.

• Proceedings of The KACE
• /
• 2018.01a
• /
• pp.45-48
• /
• 2018

스카이라인 질의는 지배라는 개념을 활용, 주어진 데이터로부터 데이터를 대표할 수 있는 데이터들을 탐색하기 때문에 사용자의 요청에 부합하는 최적의 결과를 탐색하거나 기업에서 의사결정을 이루기 위해 사용되는 등 넓은 활용을 보이고 있다. 하지만 스카이라인 질의는 데이터의 차원이 증가하는 경우 전체적인 성능의 감소와 함께 스카이라인으로 선택되는 데이터의 수가 급증하여 사용자에게 유용한 결과를 반환하지 못하게 된다. 이러한 문제를 해결하기 위해 최근에는 Top-k 질의 기반의 방식이나 군집화 기반의 기법을 적용한 방식의 스카이라인 질의들이 새롭게 제안되고 있지만 이들은 데이터의 편향이나 사용자로부터 입력된 k에 큰 영향을 받는 등 해당 질의 결과가 데이터들을 충분히 대표하거나 다양성을 만족시키지 못했다. 이러한 문제를 해결하기 위해 본 논문에서는 해시 색인 기법과 군집화 기법인 DBSCAN을 통해 주어진 데이터들을 충분히 대표함과 동시에 다양성을 만족할 수 있는 새로운 방식의 스카이라인인 CHI-SQ의 이론적 배경을 제안하고자 한다.

• Proceedings of the Korea Information Processing Society Conference
• /
• 2020.05a
• /
• pp.559-562
• /
• 2020

시각-언어 이동 문제는 시각 이해와 언어 이해 능력을 함께 요구하는 복합 지능 문제이다. 본 논문에서는 시각-언어 이동 에이전트를 위한 새로운 학습 모델을 제안한다. 이 모델은 데모 데이터에 기초한 모방 학습과 행동 보상에 기초한 강화 학습을 함께 결합한 복합 학습을 채택하고 있다. 따라서 이 모델은 데모 데이타에 편향될 수 있는 모방 학습의 문제와 상대적으로 낮은 데이터 효율성을 갖는 강화 학습의 문제를 상호 보완적으로 해소할 수 있다. 또한, 제안 모델은 서로 다른 두 학습 간에 발생 가능한 학습 불균형도 고려하여 손실 정규화를 포함하고 있다. 또, 제안 모델에서는 기존 연구들에서 사용되어온 목적지 기반 보상 함수의 문제점을 발견하고, 이를 해결하기 위해 설계된 새로은 최적 경로 기반 보상 함수를 이용한다. 본 논문에서는 Matterport3D 시뮬레이션 환경과 R2R 벤치마크 데이터 집합을 이용한 다양한 실들을 통해, 제안 모델의 높은 성능을 입증하였다.