KSII Transactions on Internet and Information Systems (TIIS)
/
제13권4호
/
pp.2060-2077
/
2019
Recently, mobile healthcare services have attracted significant attention because of the emerging development and supply of diverse wearable devices. Smartwatches and health bands are the most common type of mobile-based wearable devices and their market size is increasing considerably. However, simple value comparisons based on accumulated data have revealed certain problems, such as the standardized nature of health management and the lack of personalized health management service models. The convergence of information technology (IT) and biotechnology (BT) has shifted the medical paradigm from continuous health management and disease prevention to the development of a system that can be used to provide ground-based medical services regardless of the user's location. Moreover, the IT-BT convergence has necessitated the development of lifestyle improvement models and services that utilize big data analysis and machine learning to provide mobile healthcare-based personal health management and disease prevention information. Users' health data, which are specific as they change over time, are collected by different means according to the users' lifestyle and surrounding circumstances. In this paper, we propose a prediction model of user physical activity that uses data characteristics-based long short-term memory (DC-LSTM) recurrent neural networks (RNNs). To provide personalized services, the characteristics and surrounding circumstances of data collectable from mobile host devices were considered in the selection of variables for the model. The data characteristics considered were ease of collection, which represents whether or not variables are collectable, and frequency of occurrence, which represents whether or not changes made to input values constitute significant variables in terms of activity. The variables selected for providing personalized services were activity, weather, temperature, mean daily temperature, humidity, UV, fine dust, asthma and lung disease probability index, skin disease probability index, cadence, travel distance, mean heart rate, and sleep hours. The selected variables were classified according to the data characteristics. To predict activity, an LSTM RNN was built that uses the classified variables as input data and learns the dynamic characteristics of time series data. LSTM RNNs resolve the vanishing gradient problem that occurs in existing RNNs. They are classified into three different types according to data characteristics and constructed through connections among the LSTMs. The constructed neural network learns training data and predicts user activity. To evaluate the proposed model, the root mean square error (RMSE) was used in the performance evaluation of the user physical activity prediction method for which an autoregressive integrated moving average (ARIMA) model, a convolutional neural network (CNN), and an RNN were used. The results show that the proposed DC-LSTM RNN method yields an excellent mean RMSE value of 0.616. The proposed method is used for predicting significant activity considering the surrounding circumstances and user status utilizing the existing standardized activity prediction services. It can also be used to predict user physical activity and provide personalized healthcare based on the data collectable from mobile host devices.
본 연구는 재생 PET 섬유의 구조보강성능을 규명하기 위한 연구의 일환으로 수행되었다. 재생 PET 섬유의 구조보강성능을 규명하기 위하여 철근 콘크리트 슬래브 부재를 제작하여 휨 성능을 수행하고 기존 합성섬유인 PP 섬유와 합성섬유를 혼입하지 않은 Plain 시편과 비교하였으며, 또한 섬유의 혼입율에 따른 거동을 평가하였다. 실험결과 압축강도는 섬유의 혼입율이 증가할수록 감소하는 것으로 나타났으며 감소 비율은 약 2~7%정도로 나타났다. 휨 실험결과로부터 Plain 시편의 극한성능이 가장 우수한 것으로 나타났으며, 에너지 흡수 능력과 연성지수는 재생 PET 섬유를 0.5% 혼입한 시편이 가장 우수한 것으로 평가되었다. 보 시편에 적용한 경우에는 Plain 시편에 비해 연성능력 뿐 아니라 극한성능도 증가되는 것으로 나타났으나 슬래브 시편의 경우 연성능력은 증가되나 극한성능이 감소하는 것을 확인 할 수 있어 보 시편에 비해 상대적으로 보강효과가 적게 나타나고 있다. 따라서 슬래브 구조물에 적용할 경우에는 배합과 혼입량을 적절히 사용해야 할 것으로 사료된다.
Kim, Hyunbin;Kim, Mingyu;Park, Yonggun;Yang, Sang-Yun;Chung, Hyunwoo;Kwon, Ohkyung;Yeo, Hwanmyeong
Journal of the Korean Wood Science and Technology
/
제47권2호
/
pp.229-238
/
2019
목재의 결점은 생장과정에서 또는 가공 중에 다양한 형태로 발생한다. 따라서 목재를 이용하기 위해서는 목재의 결점을 정확하게 분류하여 용도에 맞는 목재 품질을 객관적으로 평가할 필요가 있다. 하지만 사람에 의한 등급구분과 수종구분은 주관적 판단에 의해 차이가 발생할 수 있기 때문에 목재 품질의 객관적 평가 및 목재 생산의 고속화를 위해서는 컴퓨터 비전을 활용한 화상분석 자동화가 필요하다. 본 연구에서는 SIFT+k-NN 모델과 CNN 모델을 통해 옹이의 종류를 자동으로 구분하는 모델을 구현하고 그 정확성을 분석해보고자 하였다. 이를 위하여 다섯 가지 국산 침엽수종으로부터 다양한 형태의 옹이 이미지 1,172개를 획득하여 학습 및 검증에 사용하였다. SIFT+k-NN 모델의 경우, SIFT 기술을 이용하여 옹이 이미지에서 특성을 추출한 뒤, k-NN을 이용하여 분류를 진행하였으며, 최대 60.53%의 정확도로 분류가 가능하였다. 이 때 k-index는 17이었다. CNN 모델의 경우, 8층의 convolution layer와 3층의 hidden layer로 구성되어있는 모델을 사용하였으며, 정확도의 최대값은 1205 epoch에서 88.09%로 나타나 SIFT+k-NN 모델보다 높은 결과를 보였다. 또한 옹이의 종류별 이미지 개수 차이가 큰 경우, SIFT+k-NN 모델은 비율이 높은 옹이 종류로 편향되어 학습되는 결과를 보였지만, CNN 모델은 이미지 개수의 차이에도 편향이 심하지 않아 옹이 분류에 있어 더 좋은 성능을 보였다. 본 연구 결과를 통해 CNN 모델을 이용한 목재 옹이의 분류는 실용가능성에 있어 충분한 정확도를 보이는 것으로 판단된다.
본 연구에서는 하수 재이용을 위한 역삼투막 공정에서 전처리 정밀여과막(MF) 손상에 대한 누출되는 다양한 수질변화로써 막 손상 검지 방안을 제시하였다. 이를 위하여 역삼투막 유입수질 적합성 평가지표인 SDI (silt density index)를 3에서 5의 범위 내에서 막 손상 시 검지 감도를 정량화하기 위하여 전처리 분리막이 1에서 3가닥 파단에 따라 SDI는 1.92에서 6.11까지 증가한 결과를 확인할 수 있었다. 일반적으로 3을 기준으로 역삼투막 유입수질로 설정하였을 때 분리막이 3가닥까지 파단이 되어야만 막 손상 검지가 가능하다는 것을 의미하며 역삼투막의 오염은 잠재적으로 가속화되어 효율을 저하시킬 수 있다. 또한 이때 누출되는 입자성과 유기물질에 대하여 0.45 ㎛ 이상의 크기만 걸러주는 입자계수는 입도분포별 막 파단 개수에 따라 일정한 패턴을 확인할 수 없었으며, TOC 농도는 약 2배의 변화패턴으로써 SDI와의 상관관계로써 TOC가 막 손상 수질지표로써 신뢰성이 높은 것으로 확인되었다. 수질분석결과와 더불어 USEPA에서 제시하는 막 손상 검지 방법 중 압력손실시험과 이를 기반으로 LRVDIT 모델의 적합성 평가를 한 결과 막 손상 또는 역삼투막 공정으로 유입되는 막오염물질을 신속하게 확인할 수 있는 SDI 및 TOC를 포함한 LRVDIT 모니터링과 UCL 설정을 병행해야 한다.
카제인은 우유 속에 약 3% 함유되어 있으면서, 우유에 함유된 전체 단백질의 약 80%를 차지한다. 카제인에 수산화칼슘 및 수산화나트륨 수용액을 섞으면 고결력이 발생하며, 이러한 고결방식은 목재나 건조한 환경에 적용하는 것이 일반적이다. 본 연구에서는 지하수위가 존재하는 토사의 고결을 위해 물에 약한 카제인 고결제의 구성성분을 조절하거나 새로운 성분을 추가하여 내수성을 향상시키고자 하였다. 이를 위해 낙동강모래에 고결제로 가장 많이 사용되는 시멘트뿐 아니라 위스콘신대학에서 제시한 표준 카제인 고결제를 비롯한 다양한 카제인 고결모래 공시체를 제작하였다. 6 종류의 카제인 고결모래 중에서 표준 카제인 고결제에 수산화칼슘을 30% 증가시키고 수산화나트륨을 50% 감소시킨 것이 가장 우수한 강도와 내구성을 나타내었다. 이렇게 개선된 카제인 고결제를 1-4% 혼합하여 만든 공시체의 일축압축강도와 반복건습으로 인한 내구성지수를 시멘트 고결모래 공시체와 비교하였다. 그 결과, 카제인비 4%인 고결모래 공시체의 입축압축강도와 내구성지수는 6,253kPa 및 92%로 일축압축강도 1,500kPa 및 내구성지수 62%인 시멘트비 8%인 고결모래 공시체보다 우수한 것으로 나타났다. 또한, 카제인이 3% 이상 함유된 고결모래 공시체는 반복적인 건습 작용에도 80% 이상의 양호한 내구성을 유지하였다.
지금까지 대규모의 이동객체 관리를 위해 갱신 비용을 감소시킬 수 있는 인덱스 기법들이 제안되었다. 이동객체 인덱스는 빈번하게 위치정보가 변화하는 이동객체를 관리하기 위해 주기적으로 갱신 되어야 하기 때문이다. 그러나 이러한 기법들은 이동객체의 수가 현저히 증가하는 경우 인덱스의 갱신 가능범위를 초과하는 부하가 발생한다. 본 논문에서는 이처럼 기존의 처리 가용량을 초과하는 빅 데이터 크기의 이동객체에서 발생하는 갱신요청들을 MapReduce와 기존 인덱스기법을 조합하여 감소시키는 기법을 제안한다. 이 기법에서는 수많은 이동객체에서 발생하는 갱신요청들을 MapReduce를 이용하여 각각의 이동객체 별로 그룹화하는 방법을 사용한다. 각 이동객체 별로 그룹화 데이터들의 최신의 데이터와 가장 오래된 데이터를 비교하여 갱신여부를 판단하고 최신의 요청만 갱신하도록 하여 전체 갱신 횟수를 크게 감소시킨다. 갱신이 지연된 경우 기존의 갱신요청들을 가지고 있는 해시 테이블에 일정기간 보관하여 지연된 갱신요청이 분실되지 않고 지속적으로 갱신되도록 한다. 실험을 통해 제안한 기법을 적용한 경우와 적용하지 않은 경우를 비교해 전체 갱신 횟수 및 갱신 비용이 감소되는 것을 알 수 있다.
최근 데이터로 인한 개인정보 침해로 인해 연합학습이 이슈화되고 있다. 연합학습은 학습데이터를 요구하지 않기 때문에 프라이버시 침해로부터 안전하다. 이로 인해 분산된 디바이스, 데이터를 활용하여 효율을 내기 위한 응용 방법에 대한 연구들이 진행되고 있다. 그러나 연합학습과정에서 전송되는 그래디언트로부터 학습데이터를 복원하는 재복원공격에 대한 연구가 진행됨에 따라 더는 연합학습도 안전하다고 볼 수 없다. 본 논문은 다양한 데이터 상황에서 데이터 복원 공격이 얼마나 잘되는지 수치적, 시각적으로 확인하는 것이다. 데이터가 1개만 존재할 때부터 크게는 클래스 안에 데이터가 여러 개 분포해 있을 때로 나누어 재복원공격이 얼마나 되는지 확인을 위해 MSE, LOSS, PSNR, SSIM인 평가지표로 MNIST 데이터를 활용해 수치로 확인한다. 알게 된 사실로 클래스와 데이터가 많아질수록 MSE, LOSS,이 높아지고 PSNR, SSIM이 낮아져 복원성능이 떨어지지만 몇 개의 복원된 이미지로 충분히 프라이버시 침해가 가능하다는 것을 확인할 수 있다.
수문 모델링을 이용하여 미계측 유역의 유출을 예측하고 나아가 수문 현상을 이해하기 위해서는 기존과는 다른 새로운 모형 보정 전략과 평가 방법이 필요하다. 위성 관측자료의 가용성 증가는 미계측 유역에서 수문 모형의 예측 성능을 확보할 기회를 제공한다. 유역 내 증발산 과정은 물 순환 과정을 설명하는 주요한 부분 중 하나이다. 또한 식생에 대한 정보는 증발산 과정과 밀접한 연관을 가지기 때문에 간접적으로 유역의 증발산 과정을 이해할 수 있는 중요한 정보이다. 본 연구는 미계측 유역의 하천유량을 예측하기 위해 위성 관측 기반의 식생 정보만을 이용하여 보정된 생태 수문 모형의 잠재력을 조사한다. 이러한 보정 방법은 관측된 하천유량 자료가 있어야 하지 않기에 미계측 유역의 하천유량 예측에 특히 유용할 것이다. 모델링 실험은 관측 하천유량 자료가 존재하는 5개의 댐 유역(남강댐, 안동댐, 합천댐, 임하댐)에 대해 수행되었다. 본 연구에서는 식생동역학이 결합 된 집체형 수문 모델을 이용하였으며, MODIS 잎면적지수(Leaf Area Index, LAI) 자료를 이용하여 모형을 보정하였다. 보정된 모형으로부터 생산된 일 유량 결과는 관측 유량 자료와 비교된다. 또한, 전통적인 관측 유량 기반의 모형 보정 방법과 비교된다. 그 결과 LAI 시계열을 이용한 모형의 보정으로 획득한 유량의 적합도는 남강댐, 안동댐, 합천댐 유역에서 KGE가 임계치 이상으로 나타나 만족스러운 결과를 보여주지만, 임하댐 유역은 KGE가 임계치 이하로 계산되었다. 그러나 해당 유역에 대해 관측 유량을 기반으로 모형 보정 결과 또한 좋지 않은 적합도를 보여주기에 이는 LAI 자료 기반 접근법의 문제가 아닌 입력정보 또는 모형 자체에 포함된 오차로 인해 해당 유역의 특성을 반영하기에 어려운 것으로 판단된다. 이러한 결과는 증발산 과정에 주요한 식생 정보의 제약만으로도 비교적 만족스럽게 유역의 수문 순환을 재현할 수 있다는 가능성을 보여준다.
로터 블레이드는 조류발전 터빈의 매우 중요한 구성 요소로서, 해수의 높은 밀도로 인해 큰 추력(Trust force)와 하중(Load)의 영향을 받는다. 따라서 블레이드의 형상 및 구조 설계를 통한 성능과 복합소재를 적용한 블레이드의 구조적 안전성을 반드시 확보해야 한다. 본 연구에서는 블레이드 설계 기법인 BEM(Blade Element Momentum) 이론을 이용해 1MW급 대형 터빈 블레이드를 설계하였으며, 터빈 블레이드의 재료는 강화섬유 중의 하나인 GFRP(Glass Fiber Reinforced Plastics)를 기본으로 CFRP(Carbon Fiber Reinforced Plastics)를 샌드위치 구조에 적용해 블레이드 단면을 적층(Lay-up)하였다. 또한 유동의 변화에 따른 구조적 안전성을 평가하기 위해 유체-구조 연성해석(Fluid-Structure Interactive Analysis, FSI) 기법을 이용한 선형적 탄성범위 안의 정적 하중해석을 수행하였으며, 블레이드의 팁 변형량, 변형률, 파손지수를 분석해 구조적 안전성을 평가하였다. 결과적으로, CFRP가 적용된 Model-B의 경우 팁 변형량과 블레이드의 중량을 감소시켰으며, 파손지수 IRF(Inverse Reserce Factor)가 Model-A의 3.0*Vr를 제외한 모든 하중 영역에서 1.0 이하를 지시해 안전성을 확보할 수 있었다. 향후 블레이드의 재료변경과 적층 패턴의 재설계뿐 아니라 다양한 파손이론을 적용해 구조건전성을 평가할 예정이다.
2009년 1월 3일부터 12월 1일까지 11개월간 공업용수를 주변지역에 공급하는 A정수장 응집침전조의 상등수를 대상으로 실험을 진행한 본 연구는 RO막 전처리 장치로서의 압력식 섬유여과기인 PCF 여과기 2대를 직렬연결한 공정의 적용 가능성을 평가한 것이다. 성능평가는 SDI (Silt Density Index)를 통해 간접적으로 RO막에 대한 전처리 성능을 평가하였다. 실험 기간 동안 PCF Filter로 유입된 원수의 탁도는 평균 0.79 (0.28~4.01) NTU이었으며, 처리수의 탁도는 평균 0.16(0.04~0.50) NTU로 탁도 제거효율은 평균 77%이었다. 일일 평균 처리유량은 약 230 $m^3$/day고 평균 역세유량은 8.7 $m^3$/day로 평균 역세수량은 3.8%로 나타났다. 여과수의 탁도 및 SDI 값은 측정 전 보관시간에 따라 증가하는데 이번 실험에서 몇몇 시료는 1~11일 동안 보관한 후 탁도 및 SDI가 측정되었으며, 이들 전체의 평균 SDI 값은 3.6 (2.26~5.00)으로 RO 제조업체에서 RO의 수명보증을 위해 통상 요구하는 SDI 값인 5.0 이하를 나타내었다. 따라서 RO 전처리공정의 SDI 측면에서 2단 섬유여과 공정이 적합함을 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.