• 한국전자파학회지:전자파기술
• /
• 제14권3호
• /
• pp.116-126
• /
• 2003

• 기계저널
• /
• 제44권10호
• /
• pp.70-75
• /
• 2004

이 글에서는 단일분자 수준에서 생명현상을 규명하는 연구에 활용되고 있는 AFM 기술에 대하여 최근의 연구 동향과 앞으로의 전망을 소개한다.

• 월간양계
• /
• 제47권5호
• /
• pp.138-143
• /
• 2015

• 월간양계
• /
• 제47권5호
• /
• pp.144-148
• /
• 2015

• 월간양계
• /
• 제47권5호
• /
• pp.149-152
• /
• 2015

• 전기저널
• /
• 12호통권108호
• /
• pp.102-108
• /
• 1985

가변속시스템은 전력용 반도체소자의 발달, 마이크로엘렉트로닉스, 마이크로프로세서의 응용에 의한 제어의 고도화 등으로 지난 수년 사이에 크게 진보되었다. 여기서는 최근의 가변속시스템의 동향에 대하여 설명한다.

• 월간양계
• /
• 제5권9호통권47호
• /
• pp.88-89
• /
• 1973

지난달 사료가격의 재조정에도 불구하고 원료확보량은 충분한 것 같지 않다. 어느때 보다 최근 양계가들은 사료문제에 관심을 기울이고 있는 것은 당연한 일이라 하겠다. 최근 발표되고 있는 내용들을 집약해서 게제한다.

• 문화기술의 융합
• /
• 제10권4호
• /
• pp.23-31
• /
• 2024

이 연구의 목적은 최근 3년(2021년, 2022년, 2023년) 교육부 교원양성 연수과에서 발표하는 교원 연수 중점 추진 방향을 분석하여 미래 사회에 교원 연수의 방향을 제시하는 것이다. 연구 결과는 다음과 같다. 첫째, 최근 3년 교원 연수 추진 배경은 변화된 것이 없었다. 최근 3년의 교원 연수 추진 배경은 교원 전문성 신장, 미래 환경 대응, 교원 연수 질 제고, 교육정책 추진력 확보이다. 추진 배경 세부 내용도 최근 3년 변함이 없다. 둘째, 최근 3년 교원 연수 비전의 경우 교원 연수체제 혁신이다. 이를 위하여 2021년에는 미래 교육환경 변화 선도를, 2022년에는 미래 공교육 선도를, 2023년에는 개별 학생 맞춤형 교육지원을 비전으로 하고 있다. 연수 목표의 경우 2021년에는 교원 생애 단계에 맞는 지속적 전문성 신장과 미래 교육환경에 부합하는 교원 핵심역량 제고를, 2022년에는 미래 교육체제에 적합한 교원 역량 강화와 교원 연수 내실화를 통한 사회적 신뢰 확보를, 2023년에는 미래 교육체제에 적합한 교원 역량 강화와 교원 연수 내실화를 통한 교실 수업의 변화에 두고 있다. 최근 3년 교원 연수 중점 추진 방향은 3가지이다. 첫째, 맞춤형 연수지원, 둘째, 미래형 연수체제 강화, 셋째, 교원 연수 내실화이다. 이 세 가지는 최근 3년 모두 유사하다. 결론적으로 최근 3년 교원 연수 중점 추진 방향에는 큰 변화가 없었다.

• 한국공간정보시스템학회 논문지
• /
• 제9권2호
• /
• pp.67-79
• /
• 2007

최근 LBS(location-based service) 및 텔레매틱스(telematics) 응용의 효율적인 지원을 위해, 유클리디언(Euclidean) 공간을 대신하여 실제 도로나 철도와 같은 공간 네트워크(network)를 고려한 연구가 활발하게 수행중이다. 그러나 기존 연구에서의 범위 질의 및 k-최근접 질의 처리 알고리즘은 범위나 k 값의 증가에 따라 검색에 필요한 노드 검색 및 거리 계산의 비용 증가로 인하여 선형적인 성능 감소를 보인다. 따라서, 본 논문에서는 공간 네트워크를 위한 기존 질의처리 알고리즘의 성능을 향상시키기 위해, 실체화 기법을 이용한 효율적인 범위 및 k-최근접 질의처리 알고리즘을 제안한다. 아울러, 기존 알고리즘과의 성능 비교를 통하여 제안하는 알고리즘이 우수함을 보인다.

• 한국방송∙미디어공학회:학술대회논문집
• /
• 한국방송∙미디어공학회 2022년도 하계학술대회
• /
• pp.67-70
• /
• 2022

최근 딥러닝 방법의 발전하면서 영상처리 및 컴퓨터 비전의 다양한 분야에서 딥러닝 기반의 알고리즘들이 그 이전의 방법들에 비하여 큰 성능 향상을 보이고 있다. 손실 영상 압축의 경우 최근 encoder-decoder 형태의 네트웍이 영상 압축에서 사용되는 transform을 대체하고 있고, transform 결과들의 엔트로피 코딩을 위한 추가적인 encoder-decoder 네트웍을 사용하여 HEVC 수준에 버금가는 성능을 내고 있다. 무손실 압축의 경우에도 매 픽셀 예측을 CNN으로 수행하는 경우, 기존의 예측방법들에 비하여 예측성능이 크게 향상되어 JPEG-2000 Lossless, FLIF, JEPG-XL 등의 딥러닝을 사용하지 않는 방법들에 비하여 우수한 성능을 내는 것으로 보고되고 있다. 그러나 모든 픽셀에 대하여 예측값을 CNN을 통하여 계산하는 방법은, 영상의 픽셀 수 만큼 CNN을 수행해야 하므로 HD 크기 영상에 대하여 지금까지 알려진 가장 빠른 방법이 한 시간 이상 소요되는 등 비현실적인 것으로 알려져 있다. 따라서 최근에는 성능은 이보다 떨어지지만 속도를 현실적으로 줄인 방법들이 제안되고 있다. 이러한 방법들은 초기에는 FLIF나 JPEG-XL에 비하여 성능이 떨어져서, GPU를 사용하면서도 기존의 방법보다 좋지 않은 성능을 보인다는 면에서 여전히 비현실적이었다. 최근에는 신호의 특성을 더 잘 활용하는 방법들이 제안되면서 매 픽셀마다 CNN을 수행하는 방법보다는 성능이 떨어지지만, 짧은 시간 내에 FLIF나 JPEG-XL보다는 좋은 성능을 내는 현실적인 방법들이 제안되었다. 본 연구에서는 이러한 최근의 몇 가지 방법들을 살펴보고 이들보다 성능을 더 좋게 할 수 있는 보조적인 방법들과 raw image에 대한 성능을 평가한다.