자연재해로 인해 댐, 교량, 제방 등 수변구조물에 피해가 발생할 경우, 빠른 복구를 위해 정확한 피해정보를 분석하는 일은 매우 중요하다. 본 연구에서는 최근 활용이 확산되고 있는 UAV(Unmanned aerial vehicle)영상을 활용하여 효과적으로 피해를 분석하는 방안을 제시하고 정확도 평가를 수행하였다. UAV영상은 수변구조물 일대를 촬영한 영상들을 이용하였고, 피해를 분석하는 핵심 방법론으로 영상정합과 변화탐지 기법을 활용하였다. 영상정합을 통해 생성된 점군 데이터(point cloud)는 2차원 영상으로 3차원 형상을 재현하며, 사전에 구축된 레퍼런스 데이터와의 높이 값 비교를 통해 피해영역을 추출할 수 있다. 피해영역으로 추출된 결과는 정확도를 평가하기 위해 항공라이다로 구축된 정확한 데이터와 비교하여 절대위치 오차를 비교하였다. 실험 결과 EOP(외부표정요소)가 매우 정확한 UAV 영상을 사용하면 제안된 방법론으로 평균 10~20cm 오차 범위 내의 정확도를 확보할 수 있음을 알 수 있었고, 이는 제안한 방법이 비교적 큰 규모인 수변구조물에서 발생하는 피해 분석에 매우 유용하게 활용될 수 있음을 보여주었다. 하지만 복잡도가 높은 구조물들은 매칭 기술을 적용하기 어려우며, 이러한 구조물들의 피해를 추출하기 위해서는 별도의 방법론이 필요하다.
본 실험은 만개후 120일, 130일에 수확 후 과실의 숙도별 적정수송온도 및 유통온도의 설정을 위하여 유통기간 중 과실의 품질과 생리장해 발생을 조사하여 상온보구력을 측정하였다. 미숙과는 유통 21일까지 처리구에서 경도를 유지하였으나 적숙과는 $25^{\circ}C$ 유통온도에서 과육이 분질되어 상품성을 상실하였다. 생리장해 발생은 적기수확과가 조기수확과에 비해 장해발생이 심하였고 이는 호흡과 밀접한 관계가 있었다. 유통기간 중 수송온도 보다 유통온도가 상온보구력에 큰 영향을 주었고 수송온도 또한 낮은 온도가 유리하였다. 과실의 품질과 생리장해 발생을 고려한 결과 조기수확과는 유통 21일까지 상품성을 유지하였으나 적기수확과는 7일 이내로 판단되었다.
지금까지 인공지능의 한 분야인 딥러닝 방법은 구조화되지 않은 데이터로부터 문제를 해결하는 놀라울만한 성과를 이루어왔지만, 인간처럼 여러 상황들을 종합적으로 판단, 그것들의 연관성을 추론하고, 그 다음 상황을 예측하는 수준의 지능을 갖는데 도달하지 못하였다. 최근 발표된 복잡한 관계 추론을 수행하는 심층 신경망은 인공지능이 인간의 핵심 지적 능력인 관계 추론을 보유할 수 있다는 것을 증명하였다. 본 논문에서는 관계 추론 심층 신경망 중에서 Relation Networks (RN)의 성능을 분석 및 관찰해 보고자 Sort-of-CLEVR 데이터 셋을 사용한 시각적 질의응답과 bAbI task를 사용한 텍스트 기반 질의응답 두 유형의 RN 기반 심층 신경망 모델을 구축하여 baseline 모델과의 비교를 통한 성능검증을 하였다. 또한 모델의 성능을 극대화하기 위하여 하이퍼 파라미터 튜닝 등 다양각도의 성능개선 실험으로 관계 추론을 위한 RN 기반 심층 신경망 모델의 성능개선 방법을 제안하였다. 제안한 성능개선 방법은 시각적 질의응답 모델과 텍스트 기반 질의응답 모델에 적용하여 그 효과를 검증하였고, 기존의 RN 모델에서 사용해보지 않았던 Dialog-based LL 데이터 셋을 사용하여 새로운 도메인에서의 제안한 성능개선 방법의 효과를 다시 한 번 검증하였다. 실험 결과 두 유형의 RN 모델 모두에서 초기 학습률이 모델의 성능을 결정하는 핵심 요인임을 알 수 있었고, 제안한 random search 방법에 의해 찾은 최적의 초기 학습률 설정이 모델의 성능을 최고 99.8%까지 향상 시킬 수 있다는 것을 확인하였다.
이 논문은 ScanSAR 영상화에 대한 새로운 아이디어를 소개한다. 버스트(Burst) 모드로 신호를 획득하는 ScanSAR의 전통적인 영상화는 버스트 간 영상을 연결하는 Azimuth stitching이 필요하여, 이 과정은 방사왜곡 및 위상왜곡을 유발한다. 전통적인 SPECAN 방법 대신 이 논문에서는 시간영역 교차상관을 이용하여 Azimuth stitching 과정 없이 영상화가 가능한 새로운 방법을 소개한다. 이 방법의 핵심 아이디어는 기준함수 밴드폭을 적절히 확장하여 시간영역 교차상관을 수행하면 Azimuth stitching 없이도 영상화가 가능하다는 점이다. 이 방법을 실제 위성 원시신호에 적용하여 영상 전 구간에서 영상품질과 방사왜곡 관점에서 우수한 성능을 검증하였다. 버스트 모드를 기반으로 하는 ScanSAR는 영상품질(3 dB 해상도, peak-to-sidelobe ratio (PSLR), 압축률, Speckle 잡음 등)은 모든 품질지표에서 도플러 주파수 전 영역 신호를 이용하는 Stripmap에 비해 낮을 수밖에 없다. 그러나, 각 활용분야 및 기술에 따라 선정된 특정 영상 품질지표 만을 개선할 수 있는 방법은 다양하다. 따라서 ScanSAR 영상화는 모든 활용분야에 획일적인 방법에 의한 영상화보다는, 각 활용에 따라 요구되는 품질지표 우선순위에 따라 최적화할 수 있는 영상화 방법을 적용하는 차별화 전략이 요구된다.
Background: Occupational hazards in crop farms vary diversely based on different field operations as soil management, harvesting processes, pesticide, or fertilizer application. We aimed at evaluating the immunological status of crop farmers, as limited systematic investigations on immune alteration involved with crop farming have been reported yet. Methods: Immunological parameters including plasma immunoglobulin level, major peripheral immune cells distribution, and level of cytokine production from activated T cell were conducted. Nineteen grape orchard, 48 onion open-field, and 21 rose greenhouse farmers were participated. Results: Significantly low proportion of natural killer (NK) cell, a core cell for innate immunity, was revealed in the grape farmers (19.8±3.3%) in comparison to the onion farmers (26.4±3.1%) and the rose farmers (26.9±2.5%), whereas cytotoxic T lymphocyte proportion was lower in the grape and the onion farmers than the rose farmers. The proportion of NKT cell, an immune cell implicated with allergic response, was significantly higher in the grape (2.3±0.3%) and the onion (1.6±0.8%) farmers compared with the rose farmers (1.0±0.4%). A significantly decreased interferon-gamma:interleukin-13 ratio was observed from ex vivo stimulated peripheral blood mononuclear cells of grape farmers compared with the other two groups. The grape farmers revealed the lowest levels of plasma IgG1 and IgG4, and their plasma IgE level was not significantly different from that of the onion or the rose farmers. Conclusion: Our finding suggests the high vulnerability of workplace-mediated allergic immunity in grape orchard farmers followed by open-field onion farmers and then the rose greenhouse farmers.
이 연구의 목적은 천장구조재의 내진성능향상을 위해 개발된 제진장치(seismic damping·isolation unit, 이하 SDI 유닛)의 압축 및 인장하중상태의 하중-변위 관계를 평가하고 축하중 설계를 위한 기초자료를 구축하는데에 있다. 주요변수는 스프링의 유무, 방진고무의 적층수와 스프링과 방진고무의 결합을 위해 설치된 볼트의 프리스트레스력의 크기 그리고 재하방법이다. 실험결과 볼트의 프리스트레스력의 크기가 클수록, 반복하중 보다는 단조하중에서, 그리고 스프링이 있는 SDI 유닛은 하중-변위관계에서 탄성한계점까지의 강성증가 뿐만 아니라 최대 하중 이후의 연성거동에 유리하였다. 결과적으로 에너지 소산능력은 스프링이 있으면서, 3층의 방진고무 및 볼트 항복강도의 10%의 프리스트레스력을 갖는 SDI 유닛에서 가장 높았다. 개발된 SDI 유닛의 인장내력에 대해 JIS B 2704-1(2018) 및 KDS 31 00(2019)의 기준은 단조상태에서는 안전측에서 평가된 반면, 반복하중상태에서 약 10% 높게 평가되었다.
브랜드의 중요성이 증대됨에 따라 다양한 브랜드 관련 연구가 이루어지고 있는데, 최근 들어서는 소비자-브랜드 관계가 브랜드 연구의 중심이 되어가고 있다. 본 논문은 이러한 소비자-브랜드 관계에 있어서 높은 품질과 지속적인 연대를 가능하게 하는 브랜드 관계 품질의 측정을 다루고 있다. 소비자-브랜드 관계에 대한 대부분의 기존 연구들은 Fournier(1994, 1998)가 제시한 6개 구성요소 또는 하위 차원을 바탕으로 하고 있다. 그러나 많은 연구들에서 소비자-브랜드 관계를 구성하는 6가지의 요소 또는 하위차원들이 소비자-브랜드 관계 품질이라는 하나의 단일차원을 이루고 있는지 확인하지 못한 채 소비자-브랜드 관계를 측정하기 위해 이들 하위차원들을 결합하여 점수를 계산하고서 연구를 진행하고 있다. 이러한 문제와 관련하여 본 연구에서는 소비자-브랜드 관계 품질을 구성하고 있는 상호의존, 몰입, 사랑/정열, 자아연관, 친밀감, 브랜드 파트너 품질 등의 6개의 차원들이 단일차원의 개념인가를 검토하였고, 이를 실증적으로 검토하였다. 구체적으로 본 연구에서는 구성개념들의 하위차원들이 단일차원의 구성개념인가를 검토한 선행연구들(Naver & Slater, 1990; Cronin & Taylor, 1992; Chang & Chen, 1998)에서 사용한 방법론을 활용하여 소비자-브랜드 관계를 구성하는 하위차원들이 단일차원을 이루고 있는가를 살펴보았다. 이러한 실증연구를 통해 소비자-브랜드 관계를 구성하고 있는 6개 차원들의 신뢰성, 수렴타당성, 판별타당성을 확인할 수 있었고, 소비자-브랜드관계를 구성하는 6개의 하위차원들이 단일차원을 이루고 있다는 것을 확인할 수 있었다. 본 연구의 연구결과는 소비자-브랜드 관계를 구성하는 6개의 하위차원을 결합하여 소비자-브랜드 관계를 연구하였던 기존 연구들, 소비자-브랜드관계를 구성하는 하위차원을 통합하여 소비자-브랜드 관계를 종합적으로 살펴보려는 여러 연구들에 있어서 방법론상의 실증적 근거를 제시하고 있다.
최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.
본 연구에서는 주요 조림수종으로 선정된 백합나무를 이용하여 파티클보드(PB)와 배향성 스트랜드보드(OSB)를 제조하여 보드 원료로서의 가능성을 확인하였다. 두께 15 mm, 밀도 $0.7g/cm^3$의 파티클보드와 두께 10 mm, 밀도 $0.65g/cm^3$의 OSB를 제조하였으며, 파티클보드 공장에서 상용하고 있는 $E_1$ 등급의 요소 폼알데하이드 수지와 왁스, 경화제를 첨가하여 실제 생산, 유통하는 보드제품과 최대한 유사하게 제작조건을 맞추었다. 제조된 보드의 품질시험 결과, PB의 경우, 평균두께 15.8 mm, 평균밀도 $0.71g/cm^3$, 함수율은 5.8% 기준에 적합하였다. 휨강도는 KS 규격(KS F 3104)의 13형 이상($13.0N/mm^2$ 이상), 박리강도는 18형 이상($0.3N/mm^2$ 이상), 나사못 유지력은 평면에서는 18형 이상(700 N 이상), 측면 15형 이상(300 N 이상)의 품질을 만족시켰다. 그러나 휨강도가 박리강도, 나사못유지력에 비해서 낮은 강도를 나타내는데 이것은 파티클 길이/두께의 비율(Slenderness ratio)이 영향을 미친 것으로 판단된다. OSB의 경우, 평균두께 10.7 mm, 평균밀도 $0.68g/cm^3$, 함수율은 6.3%로 KS F 3104 기준에 적합하였으며, 휨강도 18형 이상($18.0N/mm^2$ 이상), 나사못유지력 18형 이상(700 N 이상), 박리강도 13형 이상($0.20N/mm^2$ 이상)의 품질을 만족시켰다.
지난 수년간 KISTI는 EDISON이라는 온라인 시뮬레이션 실행 플랫폼을 통해 사용자들이 다양한 계산과학공학 분야에서 제공된 사이언스 애플리케이션에 대한 시뮬레이션을 수행할 수 있는 서비스를 제공하고 있다. 일반적으로 이러한 시뮬레이션은 대규모 계산을 수반하므로 대용량의 출력 데이터를 생산해 낸다. 온라인 플랫폼에서 이러한 시뮬레이션을 수행 할 때 발생하는 중요한 문제 중 하나는 많은 사용자가 동일한 (또는 거의 변하지 않는) 입력 매개 변수 또는 파일을 사용하여 시뮬레이션 요청 (또는 작업)을 플랫폼에 동시에 제출함으로써 플랫폼에 상당한 부담을 준다는 점이다. 다시 말해, 동일한 컴퓨팅 작업으로 인해 중복 컴퓨팅 및 스토리지 리소스가 빠른 속도로 소모된다는 점이다. 이와 같은 동일한 시뮬레이션 요청으로 인한 과도한 자원 사용 문제를 극복하기 위해, 본 논문은 실행 메타 데이터, 즉 프로비넌스를 기반으로 시뮬레이션 데이터를 효율적으로 관리하기 위한 IceSheet라는 새로운 프레임 워크를 제안한다. IceSheet 프레임워크는 시뮬레이션 실행과 관련된 프로비넌스를 수집하여 저장한다. 수집된 프로비넌스 정보는 중복 시뮬레이션 요청을 제외할 뿐만 아니라 오픈소스 검색 엔진인 ElasticSearch를 통해 기존 시뮬레이션 결과를 검색하는 데도 사용된다. 특히 본 논문은 IceSheet 프레임워크에서 저장된 시뮬레이션 결과를 검색하고 재사용할 수 있는 핵심 구성 요소에 대해 자세히 설명한다. 우리는 온라인 시뮬레이션 실행 플랫폼과 함께 연동하는 검색 엔진을 기반으로 제안된 프레임워크의 프로토타입을 구현하였다. 플랫폼에서 수집된 실제 시뮬레이션 실행 프로비넌스를 기반으로 제안된 프레임워크의 성능 평가를 수행하였다. 플랫폼과 완벽히 연동된 IceSheet 프레임워크는 사용자로 하여금 선택된 시뮬레이션 소프트웨어에 대해 과거에 입력된 매개 변수 값을 빠르게 검색하고 동일한 입력 매개 변수 값이 존재하는 경우 기존의 결과를 곧바로 반환할 수 있도록 할 것으로 기대된다. 따라서 제안된 프레임워크를 통해 이전에 실행된 시뮬레이션과 동일한 요청에 대해 중복 자원 소모를 없애고 실행 시간을 크게 단축시키는 데 도움이 될 것으로 기대한다.
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.