최근 급속한 산업화와 도시화로 인해 인위적으로 발생하는 미세먼지(Particulate matter, PM)는 기상 조건에 따라 이동 및 분산되면서 피부와 호흡기 등 인체에 악영향을 미친다. 본 연구는 기상인자를 multiple linear regression(MLR), support vector machine(SVM), 그리고 random forest(RF) 모델의 입력자료로 하여 서울시 PM10 농도를 예측하고, 모델 간 성능을 비교 평가하는데 그 목적을 둔다. 먼저 서울시에 소재한 39개소 대기오염측정망(air quality monitoring sites, AQMS)에서 관측된 PM10 농도 자료를 8:2 비율로 구분하여 모델 훈련과 검증 데이터셋으로 사용되었다. 또한 기상관측소(automatic weather system, AWS)에서 관측되고 있는 자료 중 9개 기상인자(평균기온, 최고기온, 최저기온, 일 강수량, 평균풍속, 최대순간풍속, 최대순간풍속풍향, 황사발생유무, 상대습도)가 모델의 입력자료로 선정되었다. 각 AQMS에서 관측된 PM10 농도와 MLR, SVM, 그리고 RF 모델에 의해 예측된 PM10 농도 간 결정계수(R2)는 각각 0.260, 0.772, 그리고 0.793이었고, RF 모델이 PM10 농도 예측에 가장 높은 성능을 나타냈다. 특히 모델 검증에 사용되는 AQMS 중 관악구와 강남대로 AQMS는 상대적으로 AWS에 가까워 SVM과 RF 모델에서 높은 정확도를 나타냈다. 종로구 AQMS는 AWS에서 비교적 멀리 떨어져 있지만, 인접한 두 AQMS 데이터가 모델 학습에 사용되었기 때문에 두 모델에서 높은 정확도를 나타냈다. 반면 용산구 AQMS는 AQMS 및 AWS에서 비교적 멀리 떨어져 있기에 두 모델의 성능이 낮게 나타냈다.
본 연구는 Deep Neural Network(DNN)을 이용하여 광주-기아 챔피언스 필드의 일일 관중 수를 예측함으로써 이를 통해 구단과 관련기업의 마케팅 자료제공 및 구장 내 부대시설의 재고관리에 자료로 쓰임을 목적으로 수행 되었다. 본 연구에서는 Artificial Neural Network(ANN)의 종류인 DNN 모델을 이용하였으며 DNN 모델의 과적합을 막기 위해 Dropout과 Batch normalization 적용한 모델을 바탕으로 총 4종류를 설계하였다. 각각 10개의 DNN을 만들어 예측값의 Root Mean Square Error(RMSE)와 Mean Absolute Percentage Error(MAPE)의 평균값을 낸 모델과 예측값의 평균으로 RMSE와 MAPE를 평가한 Ensemble 모델을 만들었다. 모델의 학습 데이터는 2008년부터 2017년까지의 관중 수 데이터를 수집하여 수집된 데이터의 80%를 무작위로 선정하였으며, 나머지 20%는 테스트 데이터로 사용하였다. 총 100회의 데이터 선정, 모델구성 그리고 학습 및 예측을 한 결과 Ensemble 모델은 DNN 모델의 예측력이 가장 우수하게 나왔으며, 다중선형회귀 모델 대비 RMSE는 15.17%, MAPE는 14.34% 높은 예측력을 보이고 있다.
본 연구에서는 $1^+$ 등급 한우육의 신선도와 맛에 관련된 품질인자를 도출해내기 위하여 $0^{\circ}C$와 $10^{\circ}C$에 저장하여 저장기간별로 drip loss, cooking loss, VBN, TBARS, 총균수와 같은 이화학적 특성과 관능적 특성을 평가하였다. Drip loss와 cooking loss, VBN 및 TBARS의 경우 저장기간이 증가함에 따라 증가하였으며 저장온도가 높을수록 관능적 신선도와의 상관계수도 크게 증가하였다. Cooking loss의 경우 신선도에 있어서 저장온도 증가에 따라 상관계수가 크게 증가하여 영향을 많이 받았으며, 총균수는 $0^{\circ}C$보다 $10^{\circ}C$에서 상관계수가 감소하였다. 반면 맛에 대한 기호도에 대해서는 drip loss와 TBARS값이 $10^{\circ}C$에서 상관성이 높았으며 VBN 함량과 cooking loss 및 총균수는 $10^{\circ}C$에서 상관성이 낮아 온도 증가에 따른 영향을 상대적으로 적게 받는 것으로 나타났다. 이상의 품질 측정치를 종합하여 쇠고기의 신선도와 맛에 대한 5가지의 이화학적 특성과의 관계를 알아보고자 다중회귀분석 중 단계적 회귀분석을 한 결과, 쇠고기의 신선도에 대해서는 drip loss의 하나의 인자만으로도 $R^2=0.87$의 매우 높은 선형을 가지는 $Y_1=10.768-0.706X_1$(drip loss)의 선형 회귀식이 산출되었으며 전체 모형의 87%를 설명하였다. 반면, 저장기간에 따른 쇠고기 맛의 예측모델은 $R^2=0.95$의 매우 높은 선형을 가지는 $Y_2=9.702-0.438X_1(drip\;loss)-0.232X_5(TVC)$의 선형 회귀식이 산출되었으며 drip loss와 총균수의 두 인자로 이들 품질인자를 통한 쇠고기의 기호도의 계량적 해석이 가능하였다.
얼굴인식은 외관기반(appearance-based) 매칭기법으로 풀어야 할 문제 중의 하나이다. 그러나, 얼굴영상의 외관은 조명 변화에 매우 민감하다. 얼굴인식 성능을 향상시키기 위해서는 다양한 조명 아래에서 다양한 학습 데이타를 수집해야 하나, 실제로는 데이타 수집이 용이하지 않다. 따라서, 성능향상을 위해서 다양한 데이타를 학습시키는 것 보다 다양한 조건의 데이타를 정규화 하는 기법에 주목하는 것이 바람직하다. 본 논문에서는 방향성 조명 아래에서 취득한 얼굴영상을 정규화 할 수 있는 간단한 방법을 제안한다. 조명 문제는 얼굴인식 시스템에서 오류를 일으키는 가장 중요한 요인중 하나이다. 제안하는 방법을 ICR(illumination Compensation based on Multiple Linear Regression)이라 명명하였다. 본 방법에서는 다중회귀분석 모델을 사용하여 얼굴영상의 화소 밝기 갈 분포에 가장 잘 맞는 평면을 찾은 후 이 평면을 이용하여 얼굴영상을 정규화 한다. 제안하는 방법의 장점은 간단하고 실용적이며, 얼굴영상의 밝기 값 분포에 대한 평면 근사가 선형모델에 의해 수학적으로 정의된다는 점이다. 얼굴인식에서 제안하는 방법의 성능 향상을 보여주기 위해 공개 및 자체 구축 데이타 베이스에 대한 실험 결과를 제시한다. 실험 결과 두드러진 얼굴인식 성능 향상을 보여주었다.
공공사업에서 사업초기단계의 개략공사비 예측은 발주자에게 향후 공사비에 대한 정보를 제공함으로써 효율적인 예산수립을 가능하게 한다. 하지만 사업초기단계는 획득 가능한 정보량이 부족하기 때문에 상대적으로 정확한 공사비 예측이 어렵다. 현재 국내 발주기관에서 활용하고 있는 도로공사 개략공사비 산정체계는 단순하게 단위길이 당 단가에 도로의 연장을 곱하는 선형적인 모델이기 때문에 공사비 예측에 오차가 크게 발생하는 것으로 나타났다. 또한 사업의 진행에 따라 가용정보의 수준이 달라지기 때문에 개략공사비 예측모델에는 이러한 가용정보의 특성이 반영되는 것이 중요하다. 본 연구에서는 사업 초기단계를 크게 기획단계와 설계 초기단계의 두 단계로 구분하여 각 단계의 가용정보 수준 및 공사비 예측의 목적을 고려한 개략공사비 산정모델을 제시하였다. 공사비 예측모델의 개발을 위하여 총 143건의 공사 데이터를 수집하여 활용하였으며, 이를 통해 각 단계의 가용정보 수준에 적합한 공사비 영향변수를 도출하였다. 제안된 기획단계 및 설계초기 단계의 개략공사비 산정모델은 검증과정을 통하여 각 단계에서 요구되는 정확도 수준을 확인하였으며, 이러한 가용정보 수준에 입각한 개략공사비 산정모델은 향후 예산 산정업무나 타당성 조사, 노선 대안 비교검토 등에 활용될 수 있을 것으로 기대된다.
본 연구의 목적은 Neural Network Regression 모델을 활용하여 선박의 가치평가 모델을 개발하는 것이다. 가치평가의 대상은 중고 VLCC선이며, 선행연구를 통해 선박의 가치 변화를 유발하는 주요 요인들을 선별하여 변수를 설정하고, 2000년 1월부터 2020년 8월까지의 해당 데이터를 확보하였다. 변수의 안정성을 판단하기 위해 다중 공선성 검사를 수행하여 최종적으로 6개의 독립변수와 1개의 종속변수를 선정하고 연구 구조를 설계하였다. 이를 바탕으로 Linear Regression, Neural Network Regression, Random Forest Algorithm을 활용하여 총 9개의 시뮬레이션 모델을 설계하였다. 또한 각 모델간의 비교검증을 통해 평가결과의 정확성을 제고시켰다. 평가 결과, VLCC실제값과의 비교를 통해 2층으로 구성된 Hidden Layer의 Neural Network Regression 모델이 가장 정확도가 높은 것으로 나타났다. 본 연구의 시사점은 첫째, 기존 정형화된 평가기법에서 벗어나 기계학습기반 모델을 선박가치평가에 적용하였다는 점이다. 둘째, 해운시장 변화요인을 동태적 관점에서 분석하고 예측함으로써 연구결과의 객관성을 제고시켰다고 할 수 있다.
본 논문에서는 모바일 카메라와 모바일 LCD 간의 컬러 충실도를 높이기 위한 3차원 RGB 참조표에 기반한 장치 독립적인 색 정합 방법을 제안하였다. 제안한 색 정합 방법은 크게 모바일 디스플레이(LCD) 및 카메라의 장치 특성화, 색역 사상, 대표색에 기반한 3차원 참조표 설계로 구성된다. 먼저, 모바일 디스플레이의 장치 특성화 과정은 전기-빛 입출력의 특성으로부터 기존의 CRT 모니터에 적용된 GOG(Gai Offset Gamma) 모델이나 LCD 모니터에 적용된 S-curve 모델과는 다른, Sigmoidal 함수를 사용해서 모델링되었고, 모바일 카메라의 장치 특성화는 표준(D65)환경하에서 촬영된 컬러 차트의 디지털 값(RGB)과 표준 색 자극치 데이터(CIELAB, CIEXYZ)를 다항 회귀 방정식에 대입해서 모델링되었다. 그리고 다항 회귀 방정식으로부터 획득된 표준 색 자극치 데이터는 카메라 장치 특성화 모델링의 특성으로 인해 표준 색 공간의 최대 값을 초과할 수 있기 때문에, 선형적인 채도와 밝기 압축 과정을 통하여 보정되었다. 마지막으로, 표준 환경하에서의 모바일 카메라의 색역과 모바일 디스플레이 장치의 색역의 차이를 보상하기 위해, 경계면 설정과 다중-닻 점 색역 사상 기법이 수행되었다. 이러한 장치 독립적인 색 정합 처리 과정을 실시간으로 구현하기 위해 대표색에 기반한 3차원 참조표를 설계하여, 참조표에 기반한 장치 독립적인 색 재현의 정량적인 화질을 평가하고, 기존의 장치 의존적인 방법과 성능을 비교 분석하였다.
최근 AI 기술의 발전과 정립으로 자동화 분야에서 머신러닝 기법의 활용이 활발하게 이루어지고 있다. 머신러닝 기법의 활용에 있어 중요한 점은 데이터 특성에 따라 적합한 알고리즘이 존재한다는 점이며, 머신러닝 기법 적용을 위한 데이터세트의 분석이 필요하다. 본 연구에서는 다양한 머신러닝 기법을 기반으로 하천 하부의 토사지반을 통과하는 토압식 쉴드TBM 터널 구간의 지반정보와 굴진정보를 사용하여 토압식 쉴드TBM의 굴진율을 예측하였다. 선형회귀모델에서 모델의 통계적인 유의성과 다중공선성에서는 문제가 없었으나 결정계수가 0.76으로 나타났고 앙상블 모델과 서포트 벡터 머신에서는 0.88이상의 예측성능을 보여, 분석한 데이터세트에서 토압식 쉴드TBM 굴진성능예측에 적합한 모델은 서포트 벡터 머신임을 알 수 있었다. 현재 도출된 결과로 볼 때, 토압식 쉴드TBM의 기계데이터와 지반정보가 포함된 데이터를 활용한 굴진성능 예측 모델의 적합성은 높다고 판단된다. 추가적으로 지반조건의 다양성과 데이터양을 늘리는 연구가 필요한 것으로 판단된다.
본 연구에서는 다양한 설계조건 하에서 철골보의 내화시간을 평가할 수 있는 산정식을 열-구조 연성해석(fully coupled thermo-mechanical analysis)을 토대로 제안하였다. 본 연구에서 제안하는 산정식은 철골보의 화재거동에 미치는 주요 인자를 구조변수 및 열변수로 명시적으로 반영하므로 각 설계변수의 내화성능에 대한 영향을 설계자가 쉽게 정량적으로 파악할 수 있는 강점이 있다. 광범위한 변수해석을 수행하기에 앞서 실물대 화재실험 결과를 활용하여 본 연구의 열-구조 연성해석모델의 타당성을 검증한 후, 철골보에 붕괴처짐(run-away deflection)이 발생할 때까지 화재거동에 대한 각 변수들의 영향력을 검토하였다. 이러한 수치해석결과를 다양한 설계조건에서 철골보의 내화시간 예측에 활용할 수 있도록 다중선형회귀분석을 통해 통계학적으로 신뢰도가 높은 평가식을 제안하였다. 현행 사양설계기준에서의 활용법을 사례를 들어 예시하였고, 제시된 식으로부터 얻어지는 경제성과 장점을 입증하였다.
해면질골에서 위상속도 및 감쇠계수와 구조적 특성 사이의 상관관계를 고찰하기 위하여 나일론 줄을 평행하게 배열하여 제작된 해면질골 팬텀이 이용되었다. 7개의 해면질골 팬텀의 골소주 간격 (trabecular separation; Tb.SP)은 $300\;{\mu}m$부터 $900\;{\mu}m$까지 분포하였으며, 골용량 비율 (volume fraction: VF)은 1.6%부터 8.7%까지 분포하였다. 해면질골 팬팀의 위상속도 및 감쇠계수는 12.7 mm의 직경 및 1 MHz의 중심 주파수를 갖는 한 쌍의 광대역, 비집속형 초음파 변환기와 함께 수중에서 투과법을 이용하여 측정되었다. 1 MHz에서 측정된 위상속도 및 감쇠계수는 Tb.Sp이 증가함에 따라 거의 선형적으로 감소하였으며, VF이 증가함에 따라 거의 선형적으로 증가하였다. 위상속도 및 감쇠계수를 독립변수로 하고 Tb.Sp 및 VF을 종속변수로 하는 단순 및 다중선형회귀모델로부터 VF 예측을 위한 결정계수가 Tb.Sp 예측을 위한 결정계수에 비하여 높게 나타나는 것을 알 수 있었다. 이와 같이 나일론 줄을 평행하게 배열하여 제작된 해면질골 팬텀에서 나타나는 결과는 사람의 해면질골에서 나타나는 결과와 잘 일치하였으며, 해면질골에서 위상속도 및 감쇠계수 측정으로부터 구조적 특성 평가가 가능하다는 것을 알 수 있었다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.