• 아시안잔디학회지
• /
• 제24권2호
• /
• pp.211-217
• /
• 2010

본 연구는 골프장 그린의 볼마크 수리방법 중 잔디 회복이 빠른 효과적인 방법을 규명하고자 수행하였다. 볼마크 수리방법은 대조구(볼 마크 수리 않음, A방법), 미국의 전통적 2가지 방법(USGA B방법, GCSAA C방법), 국내 골프장의 인력에 의한 3가지 방법(안성베네스트 D, 스카이72 E, 레이크사이드 F방법), 볼마크 수리기(6, 8, 14날)에 의한 3가지 방법(G, H, I방법) 등 모두 9가지 방법이 적용되었다. 공시된 그린의 벤트그래스 품종은 'Penncross', 'T-1', 'CY-2' 3품종이었다. 본 시험은 2009년 9월에서 11월까지 서울 레이크 사이드 골프장(용인시 모현면 능원리)의 nursery에서 행하였다. 전체 벤트그래스 3품종의 평균적 처리별 볼마크 회복율(%)은 E, D, C, B, F, I, H, G, A 순으로 빨랐으며 인력에 의한 볼마크 수리방법이 칼날이 부착된 수리기에 의한 방법보다 효과적이었다. 'Penncross'품종의 볼마크 회복율은 E, D, B, C, F, I, H, A, G 순으로 빨랐고, 'T-1' 품종의 볼마크 회복율은 D, E, B, F, C, H, I, A, G 순으로 빨랐으며, 'CY-2' 품종의 볼 마크 회복율은 D, E, C, F, B, H, G, I, A 순으로 빨랐다. 품종에 따른 볼마크 회복속도는 'CY-2', 'Penncross', 'T-1' 순이었다. 이상의 결과 볼마크 수리는 스카이72 골프장의 인력에 의한 방법인 '볼 마크 중앙의 피해 잔디를 포크로 제거한 후, 손으로 잔디를 두드리면서 안쪽으로 모으고 포크로 끌어당기면서 더 모은다. 둥근 나무막대로 잔디를 평탄하게 다진 후, 마지막으로 잔디에 물을 주는 방법'이 가장 효과적인 볼마크 수립방법으로 나타났다.

• Clinics in Shoulder and Elbow
• /
• 제15권2호
• /
• pp.79-85
• /
• 2012

목적: 견관절 전방불안정 환자는 탈구에 대한 불안감 및 탈구시의 통증 등 다양한 원인으로 정상적인 운동 및 활동을 하지 못할 것으로 예상할 수 있으나 이에 대한 연구는 미미한 실정이다. 본 연구에서는 견관절 전방불안정 환자와 정상인 사이의 내회전 및 외회전력에 대해 등속성 근력 검사를 시행하여 전방불안정 환자에서 나타나는 회전력의 변화를 살펴보고자 하였다. 대상 및 방법: 2009년 3월부터 2010년 2월까지 우측 우세수의 견관절 전방 불안정 진단 하에 수술적 치료를 시행한 환자 중 수술 전 등속성 근력 검사를 시행한 환자 13명을 대상으로 하였고, 견관절의 전방불안정 증상이 없는 정상 성인 15명을 대조군으로 설정하였다. 대상군 및 대조군 모두 남성이었으며 두 군간의 평균 연령, 신장, 체중, 체질량 등의 차이는 없었다. 등속성 근력 검사는 Biodex system (Biodex Medical Systems, Shirley, NY, USA)을 사용하여 60 deg/sec, 180 deg/sec 의 각속도로 견관절의 외회전력 및 내회전력의 체중보정 최대우력 (peak torque)과 총 일량을 측정하였고, 외회전, 내회전 최대우력비율 및 운동피로도를 계산하였다. 두 군간에 각 측정치를 비교하여 전방 불안정 환자의 회전력의 특징을 분석하였다. 결과: 불안정증이 없는 좌측 견관절의 등속성 회전근력은 양군 사이에 모든 측정치에서 차이가 없었다. 우측 견관절의 등속성 근력 검사결과 내회전력은 전방 불안정환자와 정상 대조군 간 모든 각속도에서 최대우력 및 총 일량 사이에 유의한 차이가 없었다. 외회전력의 체중보정 최대우력과 총 일량은 전방불안정 환자에서 60 deg/sec 및 180 deg/sec 두 각속도에서 모두 정상 대조군에 비하여 감소되었고, 외회전력/내회전력의 최대우력비율 역시 통계적 차이가 있었다. 운동피로도는 외회전력, 내회전력 모두 양 군간에 의미 있는 차이는 없었다. 결론: 견관절 전방불안정 환자는 견관절의 외회전력이 감소되어 있고 내회전-외회전력의 균형이 소실되어 있으나 근피로도는 정상으로 판단되며 이는 견관절 탈구 환자의 보존적 치료나 재활에 있어 고려해야 할 것으로 생각된다.

• 지능정보연구
• /
• 제24권4호
• /
• pp.1-32
• /
• 2018

본 연구는 경제적으로 국내에 큰 영향을 주었던 글로벌 금융위기를 기반으로 총 10년의 연간 기업데이터를 이용한다. 먼저 시대 변화 흐름에 일관성있는 부도 모형을 구축하는 것을 목표로 금융위기 이전(2000~2006년)의 데이터를 학습한다. 이후 매개 변수 튜닝을 통해 금융위기 기간이 포함(2007~2008년)된 유효성 검증 데이터가 학습데이터의 결과와 비슷한 양상을 보이고, 우수한 예측력을 가지도록 조정한다. 이후 학습 및 유효성 검증 데이터를 통합(2000~2008년)하여 유효성 검증 때와 같은 매개변수를 적용하여 모형을 재구축하고, 결과적으로 최종 학습된 모형을 기반으로 시험 데이터(2009년) 결과를 바탕으로 딥러닝 시계열 알고리즘 기반의 기업부도예측 모형이 유용함을 검증한다. 부도에 대한 정의는 Lee(2015) 연구와 동일하게 기업의 상장폐지 사유들 중 실적이 부진했던 경우를 부도로 선정한다. 독립변수의 경우, 기존 선행연구에서 이용되었던 재무비율 변수를 비롯한 기타 재무정보를 포함한다. 이후 최적의 변수군을 선별하는 방식으로 다변량 판별분석, 로짓 모형, 그리고 Lasso 회귀분석 모형을 이용한다. 기업부도예측 모형 방법론으로는 Altman(1968)이 제시했던 다중판별분석 모형, Ohlson(1980)이 제시한 로짓모형, 그리고 비시계열 기계학습 기반 부도예측모형과 딥러닝 시계열 알고리즘을 이용한다. 기업 데이터의 경우, '비선형적인 변수들', 변수들의 '다중 공선성 문제', 그리고 '데이터 수 부족'이란 한계점이 존재한다. 이에 로짓 모형은 '비선형성'을, Lasso 회귀분석 모형은 '다중 공선성 문제'를 해결하고, 가변적인 데이터 생성 방식을 이용하는 딥러닝 시계열 알고리즘을 접목함으로서 데이터 수가 부족한 점을 보완하여 연구를 진행한다. 현 정부를 비롯한 해외 정부에서는 4차 산업혁명을 통해 국가 및 사회의 시스템, 일상생활 전반을 아우르기 위해 힘쓰고 있다. 즉, 현재는 다양한 산업에 이르러 빅데이터를 이용한 딥러닝 연구가 활발히 진행되고 있지만, 금융 산업을 위한 연구분야는 아직도 미비하다. 따라서 이 연구는 기업 부도에 관하여 딥러닝 시계열 알고리즘 분석을 진행한 초기 논문으로서, 금융 데이터와 딥러닝 시계열 알고리즘을 접목한 연구를 시작하는 비 전공자에게 비교분석 자료로 쓰이기를 바란다.