현재 블라인드 등화기법으로 가장 많이 사용되고 있으며 비선형 비용함수를 이용하는 CMA 등화기의 경우 closed form 형태의 최적 해를 구하는 것이 어렵기 때문에 그 동안 이론적인 성능 분석에 많은 어려움이 있었다. 그런데 최근 Zeng은 가우시안 잡음 하에서 FIR 선형 채널을 가정하였을 때 이론적인 CMA 등화기의 최적해 의 한계범위를 구하고 이를 기반으로 MSE 한계범위를 제시한 주목할 만한 결과를 발표하였다. 이러한 방법을 통하여 MSE 관점에서 CMA 등화기의 성능을 최적해인 LMS (또는 Wiener) 등화기의 성능과 이론적으로 비교 분석하는 것이 가능해진다. 본 논문에서는 이러한 Zeng의 결과를 이용하여 다음의 연구를 수행하였다. 첫째, HDD, digital VCR등의 고밀도 magnetic 기록/재생 등 부분 응답 신호 방식에 CMA 등화기를 적용하였을 때 채널의 간섭량에 따른 CMA 등화기의 MSE 한계범위를 이론적으로 계산하였고 이를 컴퓨터 시뮬레이션을 통해 검증하였다. 둘째, 부분 응답 신호방식에 CMA 등화기를 그대로 사용 할 경우 부분 응답 전달 함수?l 영점들 (zeros) 이 단위 원 위에 있어 채널왜곡의 보상 시 첨가 잡음의 증폭을 초래하여 등화기의 성능이 저하되는 문제가 발생하여 이를 개선하기 위한 Modified CMA 등화기가 제안된 바 있는데, 이 등화기에 대해서도 이론 및 시뮬레이션을 통한 성능 분석을 수행하였다. 최종적으로 CMA 와 Modified CMA 등화기의 성능 분석 결과들을 비교 성능하였다.
본 논문에서는 PSO(Particle Swarm Optimizaation)를 이용하여 다층 구조(c-sandwich) 레이돔을 설계하고, 레이돔 특성을 분석하였다. PSO를 이용한 레이돔 설계는 두 경우를 바탕으로 설계되었다. 첫 번째는 c-sandwich 레이돔의 skin과 core의 물질이 정해진 상태에서 PSO를 이용하여 각 층들의 최적의 두께를 결정하였으며, 두 번째는 양쪽 skin의 물질과 두께는 고정하고, 가운데 3개의 층에 대해 물질 상수와 두께를 PSO를 이용하여 최적의 값을 결정하였다. 설계된 두 레이돔 모두 0.1 GHz에서 15 GHz 관심 주파수 대역 중, X-band에서 삽입 손실이 -0.3 dB 이내의 우수한 성능을 가짐을 알 수 있었다. 레이돔 설계에 PSO를 적용함으로써 빠르고 정확하게 설계 업무를 수행할 수 있음을 보였으며, 경사 입사에 대한 경우에도 최적의 레이돔을 설계할 수 있음을 보였다. 또한 다양한 파라미터의 조합에서도 요구 성능에 부합하는 최적의 값이 결정됨을 보였다. 본 논문의 결과로부터 레이돔을 설계하기 위한 복잡하고 많은 계산을 생략할 수 있으며, 다양한 성능을 가지는 레이돔 설계 및 개발에 활용 할 수 있다.
영상처리라는 것은 문자를 인식하거나 물체를 인식하는 등 어떠한 물체의 특징을 추출하여 그에 대한 정보를 가지고 자동제어 시스템이나 인식시스템에 도입하는 것이다. 그러나 이러한 시스템들에 도입시키기 위해서는 찾고자 하는 물체의 특징을 잘 검출할 수 있어야 하며 검출된 특징의 패턴도 잘 잘 구별해야 한다. 그러나 본 논문에서 다루고 있는 고무 타이어의 특성은 배경과 문자열이 존재하는 특징면이 잘 구분되지 않는다는 것이다. 이것은 곧 특징 추출이 어렵다는 것을 간접적으로 나타내고 있는 것이다. 그러므로 수많은 논문에서 손실된 특징 정보를 복원하기 위한 기술과 끊어진 문자 정보를 유추하여 맞춰 내는 등의 기술을 많이 연구해 왔다. 그러나 우리는 무엇보다 처음에 입력받는 영상이 좋아야만 나머지 필터링이나 영상 처리기법이 쉽다고 생각하여 입력 영상을 개선시킬 수 있는 광학적인 환경에 관심을 두기로 하였다. 본 논문은 이리한 영상처리기법 중에서 입력 영상을 보다 선명하게 받아들이기 위한 조건을 찾고 광학적인 이론을 찾고자 하는 논문이다. 본 논문은 타이어를 생산하는 라인에서 타이어에 각인되어 있는 문자를 인식하고 상위 컴퓨터인 호스트 컴퓨터에 자료를 전송함으로써 물류를 관리하고, 다음 공정인 전수 검사공정에서 각 타이어에 맞는 휠을 끼우기 위한 작업을 위한 것이다. 이러한 시스템을 위해서는 나은 양질의 입력영상을 획득해야만 인식과정에서 오인식을 줄일 수 있고 자동화 공정에 응용할 수 있다. 양질의 입력영상을 획득하기 위해서는 빛의 입사각도와 피사체가 이루는 각도가 어떠한 각의 형태를 가지는가 하는 것이 중요하며 또한 이것을 받아들이는 카메라의 각도가 피사체와 어떠한 각을 이루는가? 하는 것도 중요한 문제이다. 본 논문에서는 이에 대한 최적조건을 실험적인 방법으로 찾고, 이에 대한 결과를 광학적으로 증명해 보고자 한다.
천리안위성 2A호의 2분 주기 고속 관측(rapid-scan) 자료를 이용하여, 가시·수증기·적외 채널의 시간 해상도와 표적의 크기가 해당 채널의 중규모 대기운동벡터 생산에 미치는 영향을 분석하였다. 중규모 대기운동벡터 산출을 위하여 2-10분의 영상 시간 간격 변화 하에서 표적의 크기를 8×8에서 40×40 화소 크기로 변환시키며, 시·공간적인 조건 변화에 따른 벡터 생산량과 평균 속력, 오차 특성의 변화 양상을 비교하였다. 그 결과, 표적의 크기가 작을수록 위성의 시간 간격 변화에 따른 벡터 개수의 변화와, 표준화된 평균 제곱근 편차(Normalized Root Mean Squared Vector Difference; NRMSVD) 값의 변화가 더욱 뚜렷해졌다. 또한 고도별 오차 특성 분석 결과에서는 평균 속력이 낮고 대기 현상의 시·공간 규모가 작은 하층(700-1000 hPa)의 경우, 짧은 시간 간격의 영상 자료와 작은 표적을 이용하는 것이 벡터 산출에 더욱 유리하게 작용하는 것을 확인할 수 있었다. 위성의 시간 간격과 표적의 크기는 대기 순환의 시·공간 규모와 밀접한 연관이 있는 요소이다. 따라서, 대기운동벡터 활용 목적에 맞게 표적 크기와 위성 시간 간격을 최적화하는 과정이 필요하며, 중규모 기상현상의 실황 분석을 위한 대기운동벡터 산출 알고리즘에서는 표적 크기와 영상 시간 간격을 각각 16×16, 4분으로 설정해주는 것이 가장 적합하다고 판단된다.
서부 경남 지역 중 딸기재배로 유명한 지역 40개 농가를 대상으로 한 조사에 따르면 국산품종 중에서 "설향"이 65.0%으로서 가장 선호하고 있는 것으로 나타났다. 그리고 현재의 농업은 4차 산업혁명으로 스마트팜(Smart Farm)의 기술이 더욱 발전하고 있는 실정이다. 그러나 각 생육단계가 어떤 상황일 때 딸기의 생산량이 최적에 달하는지 대한 기준이 없으며, 이러한 판단기준은 아직까지 스마트팜에 경험이 있는 농업인의 의사에 달려있다는 문제점이 있다. 따라서 본 연구에서는 딸기의 생육상황에 대한 생산량 예측을 통해 선진화된 스마트팜 시스템을 구축하고자 한다. 실험 장소는 경상남도 사천시의 딸기 농가에서 수행하였으며, 총 3곳을 대상으로 데이터 수집을 진행하였다. 실험 대상의 모든 온실 내에서 재배하는 딸기의 품종은 '설향'이다. 작물 데이터의 수집 항목은 작물의 엽수, 꽃수, 과실수, 초장, 잎의 길이, 엽록소 함량이며, 환경 데이터의 수집 항목은 온도, 습도, 조도이다. 기존의 농가 단위의 스마트팜의 문제점 보완 및 개선을 통하여 고품질의 작물 생장 상태를 유지하기 위해 K-fold 교차검증, Lasso 회귀분석, MAPE 검증을 통해 예측모델을 도출하였으며, MAPE 검증 결과 값으로 0.511(꽃 예측)과 0.488(과일 예측)의 값이 나타났다. 본 연구는 스마트팜 데이터 구축을 위해서는 AI를 통해 성장상태별 수확량을 예측하였으며, 이를 농가 및 농업 관련 기업에 활용해 농업 서비스가 편리할 것으로 판단된다.
우수한 역학적 성능을 가진 생물체의 구조를 모방하여 고성능의 복합재료를 개발하려는 노력이 최근 활발히 이뤄지고 있다. 진주층 구조는 구성재료 대비 월등히 높은 파괴인성을 지닌다는 점에서 촉망받는 자연 모사 구조 중 하나이다. 하지만, 진주층 모사 구조의 형상이 변형될 때 구조의 충격성능이 어떻게 달라지는지에 관한 연구는 아직 충분히 진행되지 않았다. 본 연구에서는 무작위로 변형된 진주층 모사 복합재의 수치모델을 개발하고 충격성능을 분석하였다. 먼저, 균일한 진주층 모사 패턴에서 플레이트 판의 평면 크기를 무작위로 변형하는 알고리즘을 개발하고 이를 활용하여 불균일한 진주층 패턴 모사 구조를 모델링하였다. 그 후, 낙하충격 시뮬레이션을 수행하고 해당 모델의 충격거동을 에너지 흡수율과 본 미세스 응력 분포, 충격력-시간 그래프를 활용하여 평가하였다. 수치해석결과를 바탕으로, 충돌 범위 주변 플레이트 판의 기하학적 형상이 불균일할수록 진주층 모사 구조의 내충격성이 저하됨을 입증하였다. 이러한 진주층 모사 형상에 대한 심층적인 이해는 진주층 모사 구조의 최적설계를 수립하는 데 효율적으로 활용될 수 있을 것으로 기대된다.
Seul Bi Lee;Youngtaek Hong;Yeon Jin Cho;Dawun Jeong;Jina Lee;Soon Ho Yoon;Seunghyun Lee;Young Hun Choi;Jung-Eun Cheon
Korean Journal of Radiology
/
제24권4호
/
pp.294-304
/
2023
Objective: We aimed to investigate whether image standardization using deep learning-based computed tomography (CT) image conversion would improve the performance of deep learning-based automated hepatic segmentation across various reconstruction methods. Materials and Methods: We collected contrast-enhanced dual-energy CT of the abdomen that was obtained using various reconstruction methods, including filtered back projection, iterative reconstruction, optimum contrast, and monoenergetic images with 40, 60, and 80 keV. A deep learning based image conversion algorithm was developed to standardize the CT images using 142 CT examinations (128 for training and 14 for tuning). A separate set of 43 CT examinations from 42 patients (mean age, 10.1 years) was used as the test data. A commercial software program (MEDIP PRO v2.0.0.0, MEDICALIP Co. Ltd.) based on 2D U-NET was used to create liver segmentation masks with liver volume. The original 80 keV images were used as the ground truth. We used the paired t-test to compare the segmentation performance in the Dice similarity coefficient (DSC) and difference ratio of the liver volume relative to the ground truth volume before and after image standardization. The concordance correlation coefficient (CCC) was used to assess the agreement between the segmented liver volume and ground-truth volume. Results: The original CT images showed variable and poor segmentation performances. The standardized images achieved significantly higher DSCs for liver segmentation than the original images (DSC [original, 5.40%-91.27%] vs. [standardized, 93.16%-96.74%], all P < 0.001). The difference ratio of liver volume also decreased significantly after image conversion (original, 9.84%-91.37% vs. standardized, 1.99%-4.41%). In all protocols, CCCs improved after image conversion (original, -0.006-0.964 vs. standardized, 0.990-0.998). Conclusion: Deep learning-based CT image standardization can improve the performance of automated hepatic segmentation using CT images reconstructed using various methods. Deep learning-based CT image conversion may have the potential to improve the generalizability of the segmentation network.
본 논문에서는 제도적으로 운영 중인 터널내 CCTV들로부터 실시간으로 들어오는 영상들을 최신 딥러닝 알고리즘을 이용, 학습시켜 다양한 조건의 터널환경에서 돌발 상황을 감지하고 그 돌발 상황의 종류들을 분류해 내는 시스템 개발을 위한 사전검토 연구를 수행하였다. 사전검토 연구를 위해, 2개의 도로현장의 교통류 CCTV영상 일부를 이용하여 가용한 전통적인 영상처리기법으로 영상내부로 집입하는 차량을 감지하고, 이동경로를 추적하여 일정 시간간격의 이동 차량의 좌표와 시간정보를 추출하고 학습자료를 구성하였다. 각 차량의 이동정보는 차선변경, 정차 등 6가지의 이벤트 정보와 연계된다. 차량 이동정보와 이벤트로 구성된 학습자료는 레질리언스(resilience) 기계학습 알고리즘을 이용하여 학습하였다. 2개의 은닉층을 설정하고, 각 은닉층의 노드수에 대한 9개의 은닉구조 모델을 설정하여 매개변수 연구를 수행하였다. 본 사전검토의 경우에는 첫 번째, 두 번째 은닉층 노드수가 각각 300개와 150개로 설정된 모델이 합리적으로 가장 추론정확도가 높은 것으로 평가되었다. 이로부터 일반화되기 매우 힘든 복잡한 교통류 상황을 기계학습을 이용하여 어떠한 사전 규칙설정 없이도 교통류의 특징들을 정확히 자동으로 감지할 수 있는 가능성을 보였다. 본 시스템은 시스템의 운용을 통해 지속적으로 교통류 영상과 이벤트 정보가 늘어난다면, 자동으로 그 시스템의 인지능력과 정확도가 자동으로 향상되는 효과도 기대할 수 있다.
본 논문은 효율적으로 라만 증폭기의 이득을 예측하고 잡음 특성을 분석하기 위해서 라만 증폭기 상관된 상미분방정식 (Ordinary Differential Equation: ODE)을 유효거리(Effective Length) 기반의 상관된 적분형(closed integral form)방정식 및 매트릭스로 전개하고 이 전개를 활용한 라만 증폭기 모델링 및 수치해석 알고리즘을 기술한다. 광섬유 라만 증폭기는 유연하고 넓은 이득 대역폭 및 낮은 잡음 등의 장점 때문에 최근 광통신 시스템에서 핵심기술로 각광받고 있으며, 특히 멀티채널 펌핑구조에서 성능예측을 위해 많은 라만 증폭기 모델링 방법들이 연구되어 왔다. 그러나 기존의 많은 연구들은 라만 증폭기 상관된 상미분방정식의 해를 "fiber propagation axis"를 기반으로 구해왔기 때문에 광섬유 길이에 의존적이고 복잡한 계산으로 상당히 많은 시간이 필요했으며, 실제 전송 시스템에서의 활용이 어려웠다. 이러한 문제점을 해결하기 위해서 본 논문에서는 기존의 상관된 상미분방정식을 접근이 용이한 "유효거리" 기반의 적분형 방정식으로 전개하고 매트릭스 및 벡터 형태로 알고리즘을 공식화하여 빠른 라만 이득 계산과 "iteration axis"를 이용한 해의 도출을 통해 새로운 라만 증폭기 모델링 방법과 수치해석 알고리즘을 제시하였다. 제안한 수치해석 알고리즘을 전방, 후방 및 양방향 펌핑구조의 라만 증폭기가 도입된 시스템에 적용하는 컴퓨터 모의실험을 수행한 결과 기존의 "Average power method와 비교하여 라만 이득과 광선로 내의 펌프 및 신호 광의 진행정도를 18배 이상의 정밀도에서 0.03 dB 이내의 매우 작은 오차범위 및 100배 이상 단축된 짧은 시간으로 정확히 예측하였다. 또한, 수치해석 알고리즘을 통해서 얻은 신호 광 파워의 분포를 바탕으로 Amplified Spontaneous Emission(ASE), 후방 ASE의 레일레이 산란 및 신호의 이중 레일레이 산란과 같은 라만 증폭기 잡음 요소들을 분석하였다. 새롭게 제안한 수치해석 알고리즘은 실제 광통신 시스템에 적용되어 신속하고 효율적으로 라만 증폭기 성능을 예측하고 분석할 수 있을 것으로 기대된다.
회사채 신용등급은 투자자의 입장에서는 수익률 결정의 중요한 요소이며 기업의 입장에서는 자본비용 및 기업 가치와 관련된 중요한 재무의사결정사항으로 정교한 신용등급 예측 모형의 개발은 재무 및 회계 분야에서 오랫동안 전통적인 연구 주제가 되어왔다. 그러나, 회사채 신용등급 예측 모형의 성과와 관련된 가장 중요한 문제는 등급별 데이터의 불균형 문제이다. 예측 문제에 있어서 데이터 불균형(Data imbalance) 은 사용되는 표본이 특정 범주에 편중되었을 때 나타난다. 데이터 불균형이 심화됨에 따라 범주 사이의 분류경계영역이 왜곡되므로 분류자의 학습성과가 저하되게 된다. 본 연구에서는 데이터 불균형 문제가 존재하는 다분류 문제를 효과적으로 해결하기 위한 다분류 기하평균 부스팅 기법 (Multiclass Geometric Mean-based Boosting MGM-Boost)을 제안하고자 한다. MGM-Boost 알고리즘은 부스팅 알고리즘에 기하평균 개념을 도입한 것으로 오분류된 표본에 대한 학습을 강화할 수 있으며 불균형 분포를 보이는 각 범주의 예측정확도를 동시에 고려한 학습이 가능하다는 장점이 있다. 회사채 신용등급 예측문제를 활용하여 MGM-Boost의 성과를 검증한 결과 SVM 및 AdaBoost 기법과 비교하여 통계적으로 유의적인 성과개선 효과를 보여주었으며 데이터 불균형 하에서도 벤치마킹 모형과 비교하여 견고한 학습성과를 나타냈다.
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.