Computer Science

Entropy of Telugu

이 논문은 인도어 문자와 그에 따른 철자법을 바탕으로 텔루구어의 엔트로피를 분석하는 데 초점을 맞추고 있다. 먼저, 인도 문자의 기원과 발전 과정을 살펴보면, 브라미 문자는 3천년 전 인더스 문자에서 진화한 것으로 알려져 있으며, 이후 다양한 인도 현대 문자로 분화되었다. 이들 문자는 구조적으로 밀접하게 연관되어 있지만, 모양은 다양하다. 인도어 알파벳은 자음, 모음 및 기타 기호로 구성되며, 한 음절(akshara)은 0개에서 3개의 자음과 모음 또는 기타 기호로 이루어진다. 각 akshara는 독립적으로 발음될 수 있으며, 모든

June 30, 2011

Computer Science NLP

Distributed Computing Computer Science

LISA (Localhost Information Service Agent)

LISA는 MonALISA 프로젝트에서 개발된 모니터링 애플리케이션으로서, 다양한 분산 시스템 환경에서 로컬 스테이션의 상태를 모니터링하고 이를 통해 다른 애플리케이션의 성능 최적화에 기여합니다. 이 논문은 LISA의 구조와 주요 특징을 상세히 설명하며, 특히 그 유연성과 확장 가능성, 그리고 높은 통신 성능을 강조하고 있습니다. 1. LISA 프레임워크 LISA는 운영 체제 플랫폼에 독립적으로 작동하도록 설계되어 있으며, Java와 C 언어를 사용하여 개발되었습니다. 이를 통해 Linux, Windows 및 MacOS에서 실행 가

June 28, 2011

Computer Science Programming Languages

Faire levier sur les architectures logicielles pour guider et verifier le developpement dapplications SCC

이 논문은 SCC 애플리케이션 개발에 있어 소프트웨어 아키텍처의 중요성과 상호작용 계약이라는 새로운 개념을 제시하며, 이를 통해 아키텍처와 구현 간의 일관성을 보장하고 검증 과정을 강화하는 방법을 탐구한다. SCC 애플리케이션은 외부 환경과 상호작용하는 시스템으로, 홈 오토메이션, 로봇 공학, 자율 시스템 등 다양한 분야에서 활용된다. 1. 아키텍처와 구현의 연결 SCC 애플리케이션은 정보 수집, 상황 인식, 제어, 행동이라는 네 가지 요소로 구성되며, 각 요소는 계층적으로 상호작용한다. 이 논문에서는 이러한 고수준 추상화를 구현으

June 22, 2011

Computer Science Mathematics Numerical Analysis

An introduction to ML(n)BiCGStab

1. 서론 및 배경 ML(n)BiCGStab는 BiCGStab 알고리즘의 자연스러운 일반화로, Yeung과 Chan에 의해 1999년 소개되었다. 이 알고리즘은 여러 시작 랜크로스 과정을 기반으로 하며, van der Vorst의 BiCGStab에서 파생되었지만 더 안정적이고 효율적인 성능을 제공한다. Sonneveld와 van der Vorst가 CGS와 BiCGStab를 구성하는 데 사용한 기법이 ML(n)BiCGStab에도 적용되었다. 2. 알고리즘의 유도 및 구조 ML(n)BiCGStab는 여러 시작 벡터를 이용하여 Kryl

June 21, 2011

Machine Learning Computer Science

Handling uncertainties in SVM classification

본 논문은 불확실한 레이블을 다루는 방법으로서 새로운 SVM 분류 기법을 제안하고, 이를 통해 실제 생활에서 발생하는 주석 문제에 대응하려고 합니다. 이 연구의 핵심 아이디어는 확률적 레이블을 도입하여 불확실성을 처리하는 것입니다. 1. 문제 정의와 배경 전통적인 감독 학습에서는 데이터 세트를 전문가에게 레이블링하는 과정이 필요합니다. 그러나 이는 많은 응용 분야에서 어려움을 겪게 되며, 특히 의료 영상 분야에서는 참조 병리 정보 없이 악성 조직을 윤곽선으로 그릴 때 이러한 문제점이 발생합니다. 이로 인해 훈련 데이터에 부정확한 클

June 20, 2011

Model Physics Network Social Networks Computer Science

Model of Opinion Spreading in Social Networks

본 논문은 소셜 네트워크에서 정보와 의견이 어떻게 확산되는지에 대한 심도 있는 분석을 제공한다. 특히, 기존 모델들이 논쟁 가능한 정보의 확산 과정을 정확히 설명하지 못하는 한계를 지적하고, 이를 극복하기 위한 새로운 접근법을 제시한다. 1. 기존 연구와의 차별화 전염병 확산 모델 : 이 모델은 정보나 의견이 확산되는 과정을 질병 전염과 유사하게 설명한다. 그러나, 논쟁 가능한 정보는 단순히 노출에 의한 감염만으로 설명하기 어렵다. 기준 모델 (복잡한 전염) : 이 모델은 개인의 의견 형성이 그의 주변 네트워크 구성원들의 영향을 받

June 07, 2011

Diffusion of Confidential Information on Networks

: 본 논문은 디지털 세상에서 개인정보와 비밀정보가 어떻게 퍼져나가는지를 수학적으로 모델링하고 분석하는 데 초점을 맞추고 있다. 이는 정보 기술의 발전으로 인해 언제 어디서든 정보를 공유할 수 있게 되면서, 민감한 콘텐츠의 보안 유지가 더욱 중요하게 된 상황을 반영한다. 네트워크 구조와 개인정보 확산 본 논문은 네트워크 이론을 기반으로 다양한 유형의 네트워크에서 정보의 확산 패턴을 분석하고 있다. 네트워크는 점(노드)과 선(엣지)으로 구성되며, 노드와 엣지의 연결 방식에 따라 여러 가지 형태로 구분된다. 1. 완전한 네트워크 : 모

March 14, 2011

Computer Science Physics Social Networks Network

A Reformulation of the Arora-Rao-Vazirani Structure Theorem

매력적인 한글 제목: 아로라 라오 바지라니 구조 정리의 그래프 이론적 재해석 초록 전체 번역 및 정리: 본 논문은 아로라, 라오, 바지라니(ARV)가 증명한 구조 정리를 확장된 그래프 개념으로 재해석합니다. ARV는 균형 분리 문제와 균일 가장 희박 절단 문제에 대해 O(√log n) 근사치를 도출했습니다. 그들의 결과는 삼각 부등식을 만족하는 점 집합의 기하학적 진술에 기반하고 있으며, 이후 근사 알고리즘과 메트릭 임베딩 연구의 토대가 되었습니다. 본 논문에서는 ARV 구조 정리를 확장된 그래프 GV,ϵ에서 큰 집합의 확장 개념으

February 09, 2011

Computer Science Discrete Mathematics

Convex Polyhedra Realizing Given Face Areas

: 이 논문은 3차원 공간에서 특정 면적이 주어졌을 때, 이 면적이 다각형의 각 면의 면적을 나타내는 조건에 대해 깊게 탐구하고 있습니다. 특히, A₁ ≤ i > 1 Aᵢ인 경우, 이 벡터로 구성된 다각형이 존재한다는 것을 증명합니다. 주요 개념과 정리 Minkowski의 정리 : Minkowski의 정리는 주어진 면적과 단위 법선 벡터를 통해 고유한 닫힌 다각형을 형성할 수 있는 조건을 제공합니다. 이 논문에서는 이를 '완전히 균형 잡힌' 벡터로 재해석하여, 각 면의 면적이 주어졌을 때, 그 면적을 가진 다각형이 존재하는지 판단할

January 06, 2011

Computer Science Discrete Mathematics

O Algoritmo usado no programa de criptografia PASME

이 논문은 PASME 도구의 핵심 암호화 알고리즘을 상세히 설명하고 있다. 이 알고리즘은 큰 수의 소인수 분해라는 계산적으로 어려운 문제를 활용하여 데이터를 안전하게 암호화한다. 이를 통해 기존 암호화 방법들의 한계를 극복하려는 시도가 이루어지고 있으며, 특히 빈도 분석과 같은 공격에 취약한 고전적인 암호화 방법들보다 보안성이 향상되었다. I. 서론 서론에서는 암호화 알고리즘의 필요성과 다양한 암호화 기법들의 한계를 설명한다. 특히, 문자 집합 순서 변경이나 이진 메시지에서 비트 역전 등의 방법들은 빈도 분석 공격에 취약하다는 점을

January 06, 2011

Mathematics Computer Science Cryptography and Security

Information Retrieval of Jumbled Words

이 논문은 혼돈된 단어의 독해에 대한 심도 있는 분석을 제공하며, 특히 인간 뇌가 어떻게 이러한 혼란스러운 텍스트를 처리하는지에 대해 상세히 설명하고 있습니다. 연구는 캠브리지 대학교의 결과를 바탕으로, 단어 내 글자의 순서가 바뀌어도 첫 번째와 마지막 글자가 올바른 위치에 있으면 독해에 큰 영향을 미치지 않는다는 사실을 밝혀냅니다. 이는 인간 뇌가 전체 단어로 인식하는 능력 덕분이며, 이러한 현상은 여러 요인들에 의해 설명될 수 있습니다. 1. 문법 구조 보존 혼돈된 텍스트에서도 문장의 문법적 구조가 유지되면 독자는 다음 단어를

January 05, 2011

Computer Science Information Retrieval

Status of GDL - GNU Data Language

: GDL은 천문학 분야에서 IDL의 무료 대체 소프트웨어로 널리 사용되고 있으며, 다양한 데이터 분석과 시각화 작업에 활용됩니다. GDL의 주요 특징 중 하나는 IDL과의 완벽한 문법 호환성으로, 기존 IDL 코드를 쉽게 GDL에서 실행할 수 있다는 점입니다. 이로 인해 천문학자들은 비용 부담 없이 고급 데이터 분석 및 시각화 작업을 수행할 수 있습니다. GDL은 다양한 플랫폼에서 실행 가능하며, Linux, BSD, Mac OSX, OpenSolaris 등 주요 운영 체제를 지원합니다. 또한, 여러 운영 체제에 대한 사전 컴파일

January 05, 2011

Computer Science Data Computational Engineering Astrophysics

Jenius Agent: Towards Experience-Driven Accuracy Optimization in Real-World Scenarios

Jenius‑Agent 논문은 최근 LLM‑기반 에이전트가 직면한 두 가지 근본적인 한계를 명확히 짚고 있다. 첫 번째는 “실행 가시성 부족”이다. 기존 벤치마크는 최종 출력만을 평가 지표로 삼아, 에이전트가 내부적으로 어떤 프롬프트를 생성하고, 어떤 도구를 언제 호출했는지, 상태를 어떻게 업데이트했는지를 파악할 방법을 제공하지 않는다. 이로 인해 개발자는 오류 원인을 추적하기 위해 로그를 일일이 수작업으로 분석해야 하며, 재현성도 떨어진다. 두 번째는 “장기·도구‑보강 작업에서의 불안정성”이다. LLM은 짧은 컨텍스트에서는 뛰어난

January 05, 2026

Computer Science Artificial Intelligence

Accelerating Storage-Based Training for Graph Neural Networks

본 연구는 그래프 신경망(GNN) 학습을 대규모 실세계 그래프에 적용하기 위해 외부 스토리지를 활용하는 ‘스토리지 기반’ 접근법의 근본적인 한계를 짚어낸다. 기존 연구들은 주로 메모리 한계를 극복하기 위해 NVMe SSD와 같은 고속 저장소를 이용했지만, 그래프 구조가 매우 불규칙하고 엣지와 노드가 수백만~수십억 수준으로 분산돼 있기 때문에 학습 과정에서 발생하는 수십만~수백만 개의 작은 I/O 요청을 효율적으로 병합하거나 스케줄링하지 못한다. 이러한 ‘소형 I/O 폭주’는 스토리지의 순차 전송 대역폭을 활용하지 못하게 만들고, 결

Machine Learning Computer Science Network

Data Complexity-aware Deep Model Performance Forecasting

이 논문은 “데이터 복잡도 인식 딥 모델 성능 예측”이라는 주제로, 모델 설계 단계에서 사전적으로 성능을 추정할 수 있는 경량화된 두 단계 프레임워크를 제시한다. 첫 번째 단계는 데이터 자체의 통계적·구조적 특성을 기반으로 베이스라인 성능을 예측한다. 여기에는 데이터 분산, 클래스 불균형, 이미지 해상도, 텍스트 길이 등 다양한 메트릭이 포함되며, 이러한 특성은 기존 연구에서 모델 복잡도와 직접적인 상관관계를 보인 바 있다. 두 번째 단계는 모델 아키텍처(예: 레이어 수, 파라미터 규모, 연산량)와 주요 하이퍼파라미터(학습률, 배치

Computer Science Data Machine Learning Model

DrivingGen: A Comprehensive Benchmark for Generative Video World Models in Autonomous Driving

DrivingGen 논문은 현재 자율주행 분야에서 급증하고 있는 ‘생성 비디오 세계 모델’ 연구의 평가 체계가 부재함을 정확히 짚어낸다. 기존 벤치마크가 주로 PSNR, SSIM, LPIPS와 같은 전통적인 비디오 품질 지표에 의존하는데, 이러한 지표는 픽셀 수준의 차이를 정량화할 뿐, 자율주행에 필수적인 물리적 일관성이나 안전성을 반영하지 못한다. 예를 들어, 차량이 갑자기 사라지거나 보행자가 비현실적인 속도로 움직이는 경우, 시각적으로는 높은 SSIM을 기록하더라도 실제 주행 시나리오에서는 치명적인 오류가 된다. 논문은 이러한

Computer Science Model Computer Vision

EscherVerse: An Open World Benchmark and Dataset for Teleo-Spatial Intelligence with Physical-Dynamic and Intent-Driven Understanding

본 논문은 인공지능·로보틱스 분야에서 최근 주목받고 있는 “텔레오‑스페이셜 인텔리전스(TSI)”라는 새로운 개념을 제시한다. 기존의 대부분 연구는 물체‑중심(object‑centric) 접근을 취해, 물리‑동역학(Physical‑Dynamic) 모델링에 집중한다. 예컨대, 물체의 질량·마찰·충돌 법칙을 이용해 시뮬레이션하거나, 비전 기반 트래킹을 통해 움직임을 예측한다. 이러한 방법은 정량적 정확도에서는 뛰어나지만, 인간이 물체를 조작하거나 배치하는 근본적인 ‘의도’를 파악하지 못한다는 한계가 있다. TSI는 이러한 한계를 극복하기

Computer Vision Computer Science Data

REE-TTT: Highly Adaptive Radar Echo Extrapolation Based on Test-Time Training

본 논문은 레이더 에코 외삽(Radar Echo Extrapolation, REE) 분야에서 가장 시급한 문제인 도메인 전이와 데이터 분포 변화 에 대한 해결책을 제시한다. 기존의 딥러닝 기반 REE 모델은 대규모 레이더 시퀀스를 학습해 단기 강수 예보를 수행하지만, 학습 단계에서 사용된 지역·시즌·기후 조건에 강하게 의존한다. 따라서 새로운 지역이나 극한 강수 상황에 적용하면 성능이 급격히 저하되는 것이 일반적이다. 1. 핵심 아이디어와 기여 테스트‑시점 학습(Test‑Time Training, TTT) 적용 : 모델 파라미터를

Computer Science Machine Learning

SwinIFS: Landmark Guided Swin Transformer For Identity Preserving Face Super Resolution

SwinIFS는 얼굴 초해상도(Face Super‑Resolution, FSR) 분야에서 두 가지 핵심 문제, 즉 ‘세밀한 구조 손실’과 ‘아이덴티티 변형’에 동시에 대응하려는 시도로 눈에 띈다. 기존 CNN 기반 방법들은 지역적인 특징을 잘 포착하지만, 장거리 의존성을 모델링하기엔 한계가 있다. 반면 Vision Transformer(ViT) 계열은 전역 정보를 효율적으로 학습하지만, 얼굴과 같이 고정된 구조적 패턴을 다룰 때는 사전 지식이 부족해 세부 디테일 복원에 약점이 있다. SwinIFS는 이러한 딜레마를 ‘랜드마크 가이드

Computer Science Computer Vision

Correctness isnt Efficiency: Runtime Memory Divergence in LLM-Generated Code

이 논문은 대형 언어 모델(LLM)에서 생성된 코드의 실행 안정성에 중점을 두고, 특히 메모리 동역학 측면에서 그 중요성을 강조한다. 기존 연구에서는 주로 LLM의 출력 정확도와 다양성에 초점을 맞추었지만, 이 논문은 이러한 정확한 결과가 반드시 실행 시간 메모리 프로파일링에서도 안정적인 성능을 보장하지 않는다는 점을 지적한다. 논문에서 제시된 주요 기여 중 하나는 Monotonic Peak Profile (MPP) 와 Dynamic Time Warping (DTW) 를 활용한 실행 시간 메모리 프로파일링 방법이다. 이 방법은 애플

January 03, 2026

Computer Science Software Engineering

Computer Science Learning Computer Vision

Improved Object-Centric Diffusion Learning with Registers and Contrastive Alignment

본 논문은 객체 중심 학습(Object centric Learning, OCL) 분야에서 중요한 기술적 혁신을 제시하고 있습니다. CODA(Contrastive Object centric Diffusion Alignment)는 사전 학습된 디퓨전 모델을 활용하여 슬롯 엮임과 약한 정렬이라는 주요 도전 과제를 해결하는 새로운 접근 방식입니다. 기술적 혁신성: 1. 등록 슬롯(Register Slots): 등록 슬롯은 독립적인 입력 데이터로 추가되어 잔여 주의를 흡수하고 객체 슬롯 간의 간섭을 줄이는 역할을 합니다. 이는 슬롯 엮임 문

January 03, 2026

RovoDev Code Reviewer: A Large-Scale Online Evaluation of LLM-based Code Review Automation at Atlassian

RovoDev 코드 리뷰어는 LLM 기반의 코드 검토 자동화 도구로서, 현대 소프트웨어 개발 프로세스에서 중요한 역할을 수행한다. 이 논문은 RovoDev이 어떻게 데이터 프라이버시와 보안 문제를 해결하고, 리뷰 가이드라인에 따른 정확한 코드 검토를 제공하며, 새로운 프로젝트에서도 효과적으로 작동하는지 설명한다. 기술적 혁신성: RovoDev의 핵심 기술은 제로샷 컨텍스트 인식 리뷰 댓글 생성, 사실적 정확성 품질 검사, 그리고 행동성 품질 검사를 통한 유효하고 행동 가능한 리뷰 댓글 추천이다. 이 중 특히 제로샷 접근 방식은 고객

January 03, 2026

Computer Science Software Engineering

CoCo-Fed: A Unified Framework for Memory- and Communication-Efficient Federated Learning at the Wireless Edge

CoCo‑Fed가 제시하는 두 가지 핵심 혁신은 ‘이중 차원 다운프로젝션’과 ‘직교 부분공간 초중첩 전송’이다. 첫 번째 단계에서는 기존 연합 학습에서 각 gNB가 전체 모델 파라미터에 대한 그래디언트를 저장·전송해야 하는 문제를 해결한다. 저자들은 그래디언트를 먼저 채널 차원(예: 입력 피처)과 모델 차원(예: 출력 피처) 두 축에서 각각 저‑랭크 행렬로 근사한다. 이때 사용되는 투사 행렬은 사전에 학습된 고정 정규 직교 행렬이거나, 각 라운드마다 랜덤하게 생성된 스케치 행렬일 수 있다. 이렇게 하면 메모리 요구량이 O(rank·

Computer Science Learning Information Theory Framework

Detecting Performance Degradation under Data Shift in Pathology Vision-Language Model

본 논문은 최근 의료 영상 분야에서 각광받고 있는 비전‑언어 모델(VLM)의 실제 운영 단계에서 발생할 수 있는 ‘데이터 시프트(data shift)’ 문제에 초점을 맞추었다. 데이터 시프트는 크게 두 가지 차원으로 나뉜다. 첫 번째는 입력 데이터 자체가 훈련 시와 다른 분포를 보이는 경우이며, 두 번째는 모델이 출력하는 예측값이나 신뢰도(confidence)가 변하는 경우이다. 기존 연구들은 주로 입력 차원의 통계적 변화를 탐지하는 방법에 의존했지만, 이러한 변동이 반드시 모델 성능 저하와 직결되지 않는다는 점을 간과하고 있었다.

Computer Science Model Data Computer Vision

ElecTwit: A Framework for Studying Persuasion in Multi-Agent Social Systems

ElecTwit이 제시하는 가장 큰 혁신은 설득 연구를 위한 실험 환경을 ‘게임’이라는 인위적 설정에서 벗어나 실제 소셜 미디어 플랫폼의 구조와 행태를 모사한 점이다. 이를 위해 저자들은 트위터와 유사한 게시·리트윗·팔로우 메커니즘을 구현하고, 정치적 선거라는 구체적 시나리오를 설정함으로써 에이전트 간의 정보 흐름, 의견 형성, 그리고 설득 전략의 전개 과정을 정밀하게 관찰할 수 있었다. 특히 25가지 설득 기법을 사전 정의하고, 각 LLM이 이를 어떻게 선택·조합하는지를 정량화한 방법론은 설득 기술의 ‘레시피’를 비교 분석하는 데

Computer Science Artificial Intelligence Framework System

LLM Agents for Combinatorial Efficient Frontiers: Investment Portfolio Optimization

본 논문은 언어 모델(LLM)을 활용한 에이전트 프레임워크를 통해 복잡한 조합 최적화 문제에 새로운 접근 방식을 제시하고 있습니다. 이 연구의 핵심 가치는 다음과 같은 기술적 혁신성, 방법론, 실험 결과를 통해 분석할 수 있습니다. 1. 기술적 혁신성: 본 논문은 LLM을 활용한 에이전트 프레임워크를 제시함으로써, 기존의 학문적인 최적화 접근법에서 벗어나 실제 생활 문제에 초점을 맞추고 있습니다. 특히, NPhard한 조합 최적화 문제 해결에 있어 LLM을 활용하는 것은 이전 연구에서는 찾아보기 어려운 혁신적인 시도입니다. MOCO

Computer Science Computational Engineering

LOFA: Online Influence Maximization under Full-Bandit Feedback using Lazy Forward Selection

본 논문이 다루는 온라인 영향력 최대화(Online Influence Maximization, OIM) 문제는 전통적인 정적 IM과 달리 시간에 따라 시드 집합을 동적으로 선택해야 하는 상황을 전제로 한다. 여기서 ‘전체 밴딧(full‑bandit) 피드백’이라는 가정은 에이전트가 매 라운드마다 선택한 시드 집합에 의해 실제로 발생한 확산 규모(즉, 전체 활성화된 노드 수)만을 관찰한다는 의미이며, 이는 각 노드별 활성화 여부나 네트워크의 인접 행렬 등 추가적인 구조적 정보를 전혀 제공하지 않는다. 이러한 제한된 피드백 환경에서는