고화질의 전산화단층촬영상을 통해 정확한 병변 검출과 진단을 할 수 있다. 이와 같은 장점 때문에 전산화단층촬영 시 방사선량을 줄이면서 영상 화질을 개선하기 위해 많은 연구가 수행되었다. 최근 전산화단층촬영상 화질을 향상시키기 위한 딥러닝 기반 기술이 개발되었고, 기존의 기술에 비해 우수한 성능을 보이고 있다. 본 연구에서는 전산화단층촬영상의 공간분해능을 향상시키기 위해 초고해상도 합성곱 신경망 모델을 사용하였으며, 초고해상도 합성곱 신경망 모델의 성능을 결정하는 초 매개 변수 변화에 따른 영상 화질을 평가하여 초고해상도 합성곱 신경망 모델에 대한 초 매개 변수의 효과를 검증하였다. Profile, 구조적 유사성 지수, 최대신호 대 잡음비 및 반치폭을 측정하여 초 매개 변수 변화에 따른 초고해상도 합성곱 신경망 모델의 성능을 평가하였다. 연구결과, 초고해상도 합성곱 신경망 모델의 성능은 epoch와 training set이 증가함에 따라 향상되었으며, 전산화단층촬영상 화질을 향상시키기 위해 learning rate 최적화가 필요하다는 사실을 확인하였다. 따라서 최적의 초 매개 변수와 함께 구현된 초고해상도 합성곱 신경망 모델은 전산화단층촬영상의 품질을 향상시킬 수 있다.
근전도(EMG:Electromyogram)를 사용하여 국부 근육 피로(Localized Muscle Fatigue)를 정량화으로 분석 하기 위해 널리 이용되고 있는 AR(Autoregressive)모델의 1차 계수, RMS(Root Mean Square), ZCR(Zero Crossing Rate), MPF(Mean Power Frequency), MF(Median Frequency)를 선택하여, 근육이 발휘하는 힘과 시간의 흐름에 따라 근육 피로의 정도를 민감하게 나타내는 매개변수를 규명하였다. 피실험자 10명의 좌우 척추세움근(Erector Spinae Muscle)을 대상으로 등장수축(Sustained Isometric Contraction)조건에서 허리의 신전(Extension)운동을 실시하였다. 이때 발휘해야 하는 힘의 수준은 15%, 30%, 45%, 60%, 75% MVC 로 정하였고 각 수준마다 20초 동안 근전도를 측정하 였다. 데이터 분석은 총20초 구간의 근전도를 0.5초 간격으로 나누어 매개변수들을 각각 구하고 분석을 실시하였다. 시간의 흐름에 대한 피로도 분석 결과, AR 모델의 1차 계수와 MPF가 유의한 차이를 보였으며, 낮은 수준의 %MVC에서는 AR 계수가, 높은 수준에서는 MPF가 민감한 반응 결과를 나타냈다. 그리고 근육이 발휘하는 힘의 정도를 분석하기 위해 주로 사용되고 있는 RMS 보다는 더 AR 계수가 모든 수준에서 뚜렷하게 차이를 보인 것이 확인되었다. 따라서 AR 모델의 1차 계수가 근육의 피로 정도와 힘의 수준을 다른 매개변수에 비해 더욱 민감하게 구별함이 입증되었다. 이러한 결과는 다른 분야에서도 근육 피로를 정량적으로 측정하는데 사용될 수 있을 것으로 생각되며, 개인적 변이도를 고려한 확률 기법을 사용한다면 보다 정확한 근전도 분석이 이루어질 것으로 기대된다.있음을 알 수 있었다. 사료된다.의 결과는 자전거 에르고노미터의 결과가 트레드밀의 결과에 87.60%정도 나타났다.음을 관찰하였다. 특히 vitamin C와 E의 병용투여는 상승적으로 적용하여 간세포손상을 더욱 억제시킴을 알 수 있었다.mance and on TFP(Total Factor Productivity) growth which is a pure measure of firm performance. To utilize the advantage of panel data, FEM(Fixed Effect Model) and REM(Random Effect Model) were used. The empirical result shows that the entropy index as a measurement of inter-business relatedness is not significant but technological relatedness index is significant. OLS estimates on pooled data were considerably different from FEM or REM estimates on panel data. By introducing interaction effect among the three variables for business portfolio properties, we obtained three findings. First, only VI (Vertical integration) has a significant positive correlation with ROS. Second, when using TFP growth as an dependent variable, both TR(Technological Relatedness) and f[ are signif
평판형 전자기 엑츄에이터는 이동코일과 가이드 사이의 마찰이 없기 때문에 초정밀 제품에 널리 사용된다. 전자기 엑츄에이터의 성능 검증에 가장 많이 사용되는 방법 중 한 가지는 유한요소해석 방법이다. 하지만 유한요소해석 방법은 해석 시간이 많이든다는 단점이 있다. 유한요소해석 방법의 대안으로 계산시간은 짧지만 높은 정확도의 해석 결과를 도출해 낼 수 있는 집중매개 변수모델 해석방법이 많이 사용되고 있다. 본 논문에서는 평판형 전자기 엑츄에이터의 집중매개변수 모델링을 생성하고 시뮬레이션을 통해 성능을 검증하고 그 결과를 유한요소해석 결과와 비교해 본다.
태양광 에너지는 탄소 중립 이행을 위한 주요 방안으로 많은 주목을 받고 있다. 태양광 발전량은 여러 환경적 요인에 따라 크게 달라질 수 있으므로, 정확한 발전량 예측은 전력 네트워크의 안정성과 효율적인 에너지 관리에 근본적으로 중요하다. 대표적인 인공지능 기술인 신경망(Neural Network)은 불안정한 환경 변수와 복잡한 상호작용을 효과적으로 학습할 수 있어 태양광 발전량 예측에서 우수한 성능을 도출하였다. 하지만, 신경망은 모델의 구조나 초매개변수(Hyperparameter)를 최적화하는 것은 복잡하고 시간이 많이 드는 작업이므로, 에너지 분야에서 실제 산업 적용에 한계가 존재한다. 본 논문은 2단계 신경망 최적화를 통한 태양광 발전량 예측 기법을 제안한다. 먼저, 태양광 발전량 데이터 셋을 훈련 집합과 평가 집합으로 분할한다. 훈련 집합에서, 각기 다른 은닉층의 개수로 구성된 여러 신경망 모델을 구성하고, 모델별로 Optuna를 적용하여 최적의 초매개변숫값을 선정한다. 다음으로, 은닉층별 최적화된 신경망 모델을 이용해 훈련과 평가 집합에서는 각각 5겹 교차검증을 적용한 발전량 추정값과 예측값을 출력한다. 마지막으로, 스태킹 앙상블 방식을 채택해 기본 초매개변숫값으로 설정해도 우수한 성능을 도출하는 랜덤 포레스트를 이용하여 추정값을 학습하고, 평가 집합의 예측값을 입력으로 받아 최종 태양광 발전량을 예측한다. 인천 지역으로 실험한 결과, 제안한 방식은 모델링이 간편할 뿐만 아니라 여러 신경망 모델보다 우수한 예측 성능을 도출하였으며, 이를 바탕으로 국내 에너지 산업에 이바지할 수 있을 것으로 기대한다.
딥-러닝 기반 스타일 전이 기법은 영상의 고차원적 구조적 특성을 적절하게 반영하여 높은 품질의 스타일 전이 결과를 제공함으로써 최근 크게 주목받고 있다. 본 논문은 이러한 딥-러닝 기반 스타일 전이 방식의 안정적이고 보다 다양한 스타일 전이 결과 제공에 대한 문제를 다룬다. 스타일 전이를 위한 광범위한 초-매개변수 설정에 따른 실험 결과에 대한 고찰을 바탕으로 스타일 전이 결과의 안정성 및 다양성에 대한 문제를 정의하고, 이러한 문제를 해결하기 위한 부분 손실 정규화 방법을 제안한다. 제안된 정규화 방식을 이용한 스타일 전이는 입력 영상의 특징에 상관없이 초-매개변수 설정을 통해 동일 수준의 스타일 전이 정도를 조절할 수 있을 뿐 아니라, 스타일 손실을 정의하는 계층 별 가중치 설정의 조절을 통해 기존 방식과 달리 보다 다양한 스타일 전이 결과를 제공하며, 입력 영상의 해상도 차이에 대해 보다 안정적인 스타일 전이 결과를 제공하는 특징을 가진다.
이 연구의 목적은 고등학교 진학 청소년이 지각하는 부모의 양육방식이 삶의 만족도에 미치는 영향을 파악하고 이 두 변수 사이에서 자아존중감이 매개변수로 기능하는지 확인하는 것이다. 이를 위해 지각된 양육방식, 자아존중감, 삶의 만족도 사이의 매개효과 관계를 가정하는 연구모형을 설계하였다. 연구모형을 검증하기 위해 분석한 자료는 한국아동·청소년패널조사(2010-2016)의 초4패널의 6차와 7차 자료이다. 주요 분석결과는 다음과 같다. 첫째, 부모의 민주적 양육방식은 삶의 만족도를 높이는 긍정적 효과를 나타냈으나, 통제적 양육방식이 삶의 만족도에 미치는 영향은 유의하지 않았다. 둘째, 자아존중감은 민주적 양육방식과 삶의 만족도 사이의 관계를 부분매개하였다. 셋째, 자아존중감은 통제적 양육방식과 삶의 만족도 사이의 관계를 완전매개하였다. 이와 같은 분석 결과를 바탕으로 부모의 양육방식 개선과 청소년 자녀의 자아존중감 강화를 위한 함의에 대하여 논의하였다.
XP-SWMM은 유역의 강우-유출과 1차원 관망 해석 및 2차원 지표면 흐름 해석이 가능하여 도시지역의 침수 모의에 활용도가 높다. 하지만 대부분의 수학적 모형이 그러하듯 XP-SWMM은 많은 입력 변수를 포함하고 있어 사용자의 숙련도에 따라 모의 결과가 달라질 수 있다. 본 연구의 목적은 XP-SWMM을 이용한 침수 모의의 정확도를 향상시키기 위해 침수 모의에 영향을 줄 수 있는 인자를 검토하고, 민감도 분석을 통해 인자별 적정 범위를 제안하는 것이다. 다만, 유역의 강우-유출과 1차원 관망 해석에 사용되는 매개변수는 과거 많은 연구자들이 적정 범위를 제시하였으므로 본 연구에서는 2차원 지표면 흐름 해석에 관한 입력 변수만을 대상으로 하였다. 이를 위해 2차원 계산의 지배방정식인 천수방정식의 매개변수 중 XP-SWMM에서 제어할 수 있는 인자와 XP-SWMM의 사용자 편의환경(graphical user interface; GUI)에서 제어 가능한 인자를 고려하였다. 선정된 인자는 지표면 조도계수, 2차원 계산 시간 간격, 2D 집수유량 계수, Smagorinsky 계수, Wet/dry 깊이이다. 제시된 인자들을 대상으로 침수흔적도의 침수 면적을 기준으로 민감도 분석을 수행하였고, 인자의 변화율을 침수 면적의 변화율로 변화시키는 조건수(condition number)를 활용하여 인자별 민감 여부를 분석하였다. 또한, 영향 인자 변화에 따른 침수 면적과 침수흔적도의 상대오차를 분석하여 영향 인자의 적정 범위를 제안하였다. 그 결과, 지표면 조도계수의 적정범위는 0.02~0.05, 2차원 계산 시간 간격은 0.1-3.5초, Smagorinsky 계수는 0.06~1.0, Wet/dry 깊이는 0.001~0.02 m인 것으로 나타났다. 본 연구는 XP-SWMM을 이용한 2차원 침수 모의에 활용될 수 있는 영향 인자와 적정 범위를 제안한 연구로서, 향후 XP-SWMM을 이용한 많은 침수분석에 참고자료로 활용될 수 있을 것으로 판단된다.
본 논문에서는 압엽형강(H형강)을 이용한 초간편 강합성 교량에 대한 3차원 유한요소해석을 실시하여, 다양한 하중조건에 따른 하중분배값을 검토하였다. 유한요소해석에는 범용구조해석 프로그램 ABAQUS(2007)가 사용되었다. 하중분배계수 검토에 고려된 변수로는 콘크리트 슬래브 두께, 강판 두께, 주형길이, 바닥판 폭, 그리고 교량 연속성이 적용되었다. 해석을 통해 얻어진 하중 분배율은 AASHTO Standard 와 LRFD 설계기준의 제안식 및 기존 연구자들이 제안한 식들과 비교 검토되었다. AASHTO Standard는 매우 안전측의 하중분배율을 제안하고 있으며, AASHTO LRFD의 경우 내측주형의 경우 유사한 결과를 나타내기도 했으나 외측주형의 경우 대부분의 경우 큰 값을 나타내었다. 본 연구를 통해 제안된 하중분배값은 유한요소해석 결과를 토대로 안전측으로 제안되었으며, 설계변수별 상세설계에 적용가능하다. 또한 본 논문에서는 초간편 강합성 H형강 교량의 설계 간편성을 극대화하고 안전성을 고려하여 내측주형의 경우 0.42, 외측주형의 경우 0.32를 제안하였다. 본 연구내용에 검토된 매개변수 범위 내에서 간편 하중분배값의 적용이 가능하며, 본 연구의 결과는 초간편 강합성 H형강 교량의 설계 및 시공 활성화에 크게 기여할 것이다.
본 연구에서는 일 증발접시 증발량 산정을 위한 딥러닝 (deep learning) 모형의 적용성을 평가하였다. 본 연구에서 적용된 딥러닝 모형은 deep belief network (DBN) 기반 deep neural network (DNN) (DBN-DNN) 모형이다. 모형 적용성 평가를 위하여 부산 관측소에서 측정된 기상자료를 활용하였으며, 증발량과의 상관성이 높은 기상변수들 (일사량, 일조시간, 평균지상온도, 최대기온)의 조합을 고려하여 입력변수집합 (Set 1, Set 2, Set 3)별 모형을 구축하였다. DBN-DNN 모형의 성능은 통계학적 모형성능 평가지표 (coefficient of efficiency, CE; coefficient of determination, $r^2$; root mean square error, RMSE; mean absolute error, MAE)를 이용하여 평가되었으며, 기존의 두가지 형태의 ANN (artificial neural network), 즉 모형학습 시 SGD (stochastic gradient descent) 및 GD (gradient descent)를 각각 적용한 ANN-SGD 및 ANN-GD 모형과 비교하였다. 효과적인 모형학습을 위하여 각 모형의 초매개변수들은 GA (genetic algorithm)를 이용하여 최적화하였다. 그 결과, Set 1에 대하여 ANN-GD1 모형, Set 2에 대하여 DBN-DNN2 모형, Set 3에 대하여 DBN-DNN3 모형이 가장 우수한 모형 성능을 나타내는 것으로 분석되었다. 비록 비교 모형들 사이의 모형성능이 큰 차이를 보이지는 않았으나, 모든 입력집합에 대하여 DBN-DNN3, DBN-DNN2, ANN-SGD3 순으로 모형 효율성이 우수한 것으로 나타났다.
최근 기후변화와 도시화로 인해 국지성 집중호우 및 불투수면적이 증가하고 있는 실정이며, 도시 지역 내의 첨두유량, 도달시간, 지체시간 등과 같은 수문학적 인자가 변화함에 따라 재산피해, 인명피해가 발생하고 있다. 저영향개발(Low Impact Development, LID) 기법은 수리수문학적 및 환경생태학적 문제를 저감하는 방안 중 하나로써 도시지역에서 수환경을 자연상태로 복원하는 대안으로 제시되고 있다. LID 기법 중 하나인 옥상녹화는 도시 내의 불투수면 증가로 인한 초과 지표면유출을 저감시켜 물관리를 하는 기술이다. 본 연구는 경남 양산시 부산대학교 제 2 캠퍼스에 조성된 옥상녹화 장치를 이용하여 정량적으로 유출량을 분석하였다. 비식생구와 식생구를 설치하고 실험의 시나리오는 강우강도를 25, 50, 75, 100 mm/hr로 설정하여 측정된 데이터 값을 바탕으로 SWMM(Storm Water Management Model) 모델링을 수행하였다. 유출량 값은 SWMM 5의 매개변수 추정지원 시스템인 SWMM-SCE를 이용하여 모형을 자동보정하였다. 보정된 모의유량은 실측유량과 0.28~3.81% 만큼의 오차를 보였고 각 시나리오에 따라 검증한 결과 상관계수가 0.82 이상으로서 실측값과 높은 상관성을 나타내었다. 옥상녹화 실험의 경우, 강우강도 75mm/hr일 때 첨두유출저감율과 지연시간은 각각 15.45% 감소, 15초 지연으로 최적의 효율이 나타났으며 강우강도 25mm/hr일 때 첨두유출저감율과 지연시간은 각각 1.36% 감소, 4초 지연으로 최저의 효율이 나타났다. SWMM 모의 결과는 강우강도 75mm/hr일 때 첨두유출저감율과 지연시간은 각각 15.45% 감소, 16초 지연으로 최적의 효율이 나타났으며 강우강도 25mm/hr일 때 첨두유출저감율과 지연시간은 각각 2.73% 감소, 4초 지연으로 최저의 효율이 나타났다.
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.