원자료 독립 보관·복원 분석 v0.1 / 확인일 2026-10-04 / 원자료 버전 v2
무엇을 만들려는 자료인가
기본 연구의 입력10→느낌5 구조를 벡터 연산으로 표현하려는 문서입니다. 식은 S_out = φ(W_body · x_in + b_bias) × γ_ANS입니다. W는 캐릭터 고유 가중치, b는 편향, γ는 신경계 증폭으로 설명합니다. 수치 계산기를 실제 실행한 문서는 아닙니다.
내용과 구조
입력 목록은 접촉·신체 기본값·ANS·주의·예측·학습·욕구·환경·사회 신호·행동 준비입니다. 출력은 쾌불쾌·각성·장력·방향·시간 질감입니다. 데이터 예시는 math_params.ans_gamma=1.0, tension_bias=0을 추가하고, 자미 γ≈1.0 / 장력+1 / 중심고정 / 지속, 파군 γ≈1.8 / 장력+2 / 각성3 / 순간을 제시합니다. 기본 연구의 천기 예시는 이 버전에 없습니다.
실제 구현 여부와 미확인
W의 실제 행렬, b의 전체 벡터, φ 함수, 범주값의 수치 인코딩·디코딩, 출력 상한 처리가 없습니다. 5출력·10입력을 그대로 선형 변환한다면 W가 5×10이어야 한다는 것은 분석상 조건이지 원문에 제공된 행렬이 아닙니다. ANS가 입력 x3와 외부 γ에 동시에 있어 중복 적용 여부가 미정입니다. JSON 예시에는 // 주석과 설명 문자열이 있으므로 엄격한 JSON 데이터로 바로 가져올 수 없습니다.
활용과 다음 연결
게임 캐릭터의 사건 반응 계산을 설계할 때 변수·차원·계수를 정하는 출발 자료로 쓸 수 있습니다. 실제 엔진에 쓸 값은 사용자 채택과 계산 검증이 필요합니다. 임의 계수를 채워 원복된 실행 엔진이라고 부르지 않습니다.
사용자 확정은 현재의 원자료 추적·보존·문서화 지시입니다. 과거 연구 내용 전체의 승인으로 소급하지 않습니다. 원문 제목의 (gpt) 표기와 연구 제안은 AI 자료로 구분하며, 공개 본문에는 원대화 사용자 수정·거부 발언이 없어 미확인으로 남깁니다. 실패·폐기·성공 여부를 제목만으로 판정하지 않습니다.
현재 단계: 원자료 확인 → 복원·분석 → 이론·구조/데이터 설계. 실행 엔진·게임 플레이 완료로 표시하지 않습니다. 기본 연구 원문과 버전 대조, 실제 복원한 V2.3 조합기와 연결됩니다. 후속 버전이 앞선 수식·스키마·예시를 모두 대체한다고 간주하지 않습니다.
공개 연구 원문 전체
(gpt) 자미두수 캐릭 64개 분석 느낌에 원인을 둔 행동 이전 프롬프트 의 알고리즘 연구 v2. 지난 조사에서 공개 #doc-container 전체를 읽어 저장한 텍스트를 그대로 보존합니다. 메뉴·댓글·사이트 스크립트는 제외했고 원문 내 목차·복사 UI 문구는 포함합니다. 아래 연구 주장과 위 복원 분석을 구분합니다.
자미두수 64인: 수(受) 단계 알고리즘 및 수학적 모델링
느낌(Feeling) 생성의 벡터 연산 공식과 데이터 스키마
문서 내보내기 : TXT MD PDF (인쇄)
목차 (Click to Jump)
1. 수(受) 생성 벡터 공식 (Mathematical Model)
2. 알고리즘 구조: 입력(10) → 출력(5)
3. 데이터 스키마 (JSON 규격)
4. 주요 성요별 적용 예시
1. 수(受) 생성 벡터 공식 (Mathematical Model)
수(受)는 모호한 감정이 아니라, 입력 벡터($\vec{x}$)가 신체 필터($\mathbf{W}$)를 통과하여 산출되는 결과 벡터($\vec{y}$)입니다.
[기본 공식: Feeling Generation Function]
𝑆
→
𝑜
𝑢
𝑡
=
𝜙
(
𝑊
𝑏
𝑜
𝑑
𝑦
⋅
𝑥
→
𝑖
𝑛
+
𝑏
→
𝑏
𝑖
𝑎
𝑠
)
×
𝛾
𝐴
𝑁
𝑆
𝑆
→
𝑜
𝑢
𝑡
: 수(受) 출력 벡터 (Valence, Arousal, Tension, Orientation, Texture)
𝑥
→
𝑖
𝑛
: 입력 요인 10가지 (Contact, Baseline, Attention, Expectation 등)
𝑊
𝑏
𝑜
𝑑
𝑦
: 캐릭터 고유 가중치 행렬 (별의 특성, 예: 자미는 권위에 가중치 높음)
𝛾
𝐴
𝑁
𝑆
: 자율신경 증폭 계수 (ANS Gain). 살성(Modifier)이 이 값을 증폭시킴 (
𝛾
>
1.5
)
해석:
캐릭터의 느낌은 "입력값($x$)에 성격($W$)을 곱하고, 현재 상태($b$)를 더한 뒤, 신경계 볼륨($\gamma$)으로 증폭한 결과"입니다.
▲ 목차로 돌아가기
2. 알고리즘 구조: 입력(10) → 출력(5)
위 수학 공식을 구성하는 실제 변수들입니다.
A. 입력 변수 (
𝑥
→
𝑖
𝑛
- 10 Factors)
𝑥
1
: Contact (접촉 자극)
𝑥
2
: Baseline (신체 기본값)
𝑥
3
: ANS Gain (신경계 증폭도)
𝑥
4
: Attention (주의 집중)
𝑥
5
: Expectation (예측)
𝑥
6
: Conditioning (학습)
𝑥
7
: Needs (욕구)
𝑥
8
: Physical Context (환경)
𝑥
9
: Social Cues (사회 신호)
𝑥
10
: Pre-action Set (준비 태세)
B. 출력 변수 (
𝑆
→
𝑜
𝑢
𝑡
- 5 Components)
𝑦
1
: Valence (쾌/불쾌)
𝑦
2
: Arousal (각성도
0
∼
3
)
𝑦
3
: Tension (장력
−
3
∼
+
3
)
𝑦
4
: Orientation (접근/회피/고정)
𝑦
5
: Temporal Texture (시간 질감)
▲ 목차로 돌아가기
3. 데이터 스키마 (JSON 규격)
수학적 모델을 코드로 구현하기 위한 JSON 스키마입니다.
JSON SCHEMA
{ "character_id": "String (e.g., ZiWei_01)", "math_params": { "ans_gamma": 1.0, // 기본 1.0, 살성 개입시 1.5~2.0 "tension_bias": 0 // 기본 장력 보정값 }, "su_input_settings": { "baseline": "String (e.g., Stable/Tense)", "primary_drive": "String (e.g., Order, Control)" }, "su_output_values": { "valence": "String (Neutral/Pleasant/Unpleasant)", "arousal": "Integer (0-3)", "tension": "Integer (-3 to +3)", "orientation": "String (Approach/Avoid/Freeze)", "temporal": "String (Jolt/Seep/Linger)" }, "surface_expression": { "eye4": { "light": "", "emotion": "", "focus": "", "energy": "" }, "effort4": { "space": "", "weight": "", "time": "", "flow": "" }, "pg_verb": "String" } }
복사
▲ 목차로 돌아가기
4. 주요 성요별 적용 예시
공식에 대입했을 때 도출되는 실제 값입니다.
1) 자미 (Zi Wei) - 무게 중심 (
𝛾
≈
1.0
)
수식 값:
𝑇
𝑒
𝑛
𝑠
𝑖
𝑜
𝑛
=
+
1
,
𝑂
𝑟
𝑖
𝑒
𝑛
𝑡
𝑎
𝑡
𝑖
𝑜
𝑛
=
𝐹
𝑟
𝑒
𝑒
𝑧
𝑒
,
𝑇
𝑒
𝑚
𝑝
𝑜
𝑟
𝑎
𝑙
=
𝐿
𝑖
𝑛
𝑔
𝑒
𝑟
표면(Surface):
Eye4: Steady, Direct, Heavy
Effort4: Direct, Heavy, Sustained, Bound
PG: "Hold Center"
2) 파군 (Po Jun) - 파괴적 변동 (
𝛾
≈
1.8
)
수식 값:
𝑇
𝑒
𝑛
𝑠
𝑖
𝑜
𝑛
=
+
2
,
𝐴
𝑟
𝑜
𝑢
𝑠
𝑎
𝑙
=
3
,
𝑇
𝑒
𝑚
𝑝
𝑜
𝑟
𝑎
𝑙
=
𝐽
𝑜
𝑙
𝑡
표면(Surface):
Eye4: Unstable, Piercing, Wild
Effort4: Direct, Strong, Sudden, Free
PG: "Break Through"
▲ 목차로 돌아가기