조선기술과 항해장비 기술이 발전하고 있지만 여전히 해양사고는 80%이상이 인적과실에서 비롯되고 있다. 인적과실을 저감시켜 해양사고를 절감시키려는 노력은 항해사를 대상으로 면담이나 설문을 시행하는 등 정성적인 연구방식에 많이 의존하고 있어서 객관적인 인적과실의 실체를 규명하는데 제한이 있다. 본 연구에서는 이 같은 단점을 극복하기 위하여 항해사의 항해 업무 수행을 방해하지 않으며 공간적 제한을 극복할 수 있도록 웨어러블 센서를 활용하여 항해사의 동작을 실측하고 상황인지 여부가 항해 수행 동작에 어떤 영향을 미치는지 구분하고자 한다. Full mission ship handling simulator를 활용하여 항해사가 특정한 시나리오를 수행하는 중에 위험성을 가진 장애물을 발견하기 전과 후의 어떤 행동패턴 변화를 보이는지 측정하였다. 구분된 항해 동작 패턴은 항해 위험 상황에서 적절한 조치를 취하고 있는지 여부를 객관적으로 구분하여 인적과실을 절감하는데 활용될 것으로 기대된다.
본 연구는 자체검정 번들조정법에서 과대오차를 처리하기 위한 최적의 Robust 추정법과 축척추정량(S.E)를 조사하는데 목적을 두고 있다. 과대오차의 검출에 있어서 여러가지 경중률을 적용하기 위하여 5가지 Robust 추정법과 3가지 축척추정량을 사용하였으며, 2가지 기준점배치형태(고밀도, 저밀도)와 3가지 과대오차(4$\sigma o$. 20$\sigma o$. 50$\sigma o$)는 비교분석을 위해 이용되었다. 그 결과, Robust 추정법중 Anscombe 추정법이 가장 좋은 정확도를 보여 주고 있으며, 기준점 배치형태에 따른 축척추정량의 적용을 분석한 결과 기준점 배치밀도가 높은 경우는 Type II 축척추정량이, 기준점 배치밀도가 낮은 경우는 Type III 축척추정량이 안정되고 정확한 결과값을 나타내었다. 따라서 정밀한 구조물 해석에 있어서 과대오차의 영향을 제거하고 정확도를 향상시킬 수 있는 최적 축척추정량을 이용한 Robust 번들조정법의 활용이 기대된다.
빅 데이터를 연구 목적으로 제3자에게 배포할 때 프라이버시 정보를 보호하기 위해서 k-익명화 기법이 널리 사용되어 왔다. k-익명화 기법을 적용할 때, 해결 해야할 어려운 문제 중의 하나는 최적의 k값을 결정하는 것이다. 현재는 대부분 전문가의 직관에 근거하여 수동으로 결정되고 있다. 이러한 방식은 익명화의 성능을 떨어뜨리고 시간과 비용을 많이 낭비하게 만든다. 이러한 문제점을 해결하기 위해서 기계학습 기반의 k값 결정방식을 제안한다. 본 논문에서는 제안된 아이디어를 실제로 적용한 구현 및 실험 내용에 대해서 서술 한다. 실험에서는 심층 신경망을 구현하여 훈련하고 테스트를 수행 하였다. 실험결과 훈련 에러는 전형적인 신경망에서 보여지는 패턴을 나타냈으며, 테스트 실험에서는 훈련에러에서 나타나는 패턴과는 다른 패턴을 보여주고 있다. 제안된 방식의 장점은 k값 결정시 시간과 비용을 줄일 수 있다는 장점이 있다.
블라인드 등화에서 등화 초기에는 눈모형을 빠르게 여는 것이 필요하고, 이후에는 등화기 출력 신호의 오차 레벨을 낮추는 것이 중요하다. 본 논문에서는 특별하게 정해지는 신호점을 사용한 거친 오차 추정과 원 신호점을 사용한 미세 오차 추정을 동시에 산출하고, 두 오차 추정을 활용하는 방식을 제안한다. 두 오차 추정은 각각 눈모형이 닫힌 상태에서 눈모형을 빠르게 열거나, 눈모형이 열리기 시작한 이후 정상상태에서 오차 레벨을 낮추는데 효과적이다. 등화기의 수렴 상태에 따라 두 오차 추정 중 하나를 선택하거나, 두 오차 추정의 상대적 신뢰도에 따라 두 오차를 가중 결합하여 새로운 오차를 산출하는 두 블라인드 등화 알고리즘을 제안하고 그 성능을 비교한다.
In this paper, we present two methods of correcting bit errors in constant amplitude multi-code (CAMC) CDMA, which uses the redundant bits only. The first method is a parity-based bit correction with hard-decision, where the received signals despread into n two-dimensional structure with both horizontal parity and vertical parity. Then, an erroneous bit is corrected for each $4{\times}4$ pattern. The second method is a turbo decoding, which is modified from the decoding of a single parity check product code (SPCPC). Experimental results show that, in the second method, the redundant bits in CAMC can be fully used for the error correction and so they are not really a loss of channel bandwidth. Hence, CAMC provides both a low peak-to-average power ratio and robustness to bit errors.
In many studies, considerable attention has been focussed upon choosing a model which represents underlying process of time series and forecasting the future. In the real world, however, there may be some cases that one model can not reflect all the characteristics of original time series. Under such circumstances, we may get better performance by combining the forecasts from several models. The most popular methods for combining forecasts involve taking a weighted average of multiple forecasts. But the weights are usually unstable. In cases the assumptions of normality and unbiasedness for forecast errors are satisfied, a Bayesian method can be used for updating the weights. In the real world, however, there are many circumstances the Bayesian method is not appropriate. This paper proposes a PNN(Probabilistic Neural Net) approach as a method for combining forecasts that can be applied when the assumption of normality or unbiasedness for forecast errors is not satisfied. In this paper, PNN method, which is similar to Bayesian approach, is suggested as an updating method of the unstable weights in the combination of the forecasts. The PNN method has been usually used in the field of pattern recognition. Unlike the Bayesian approach, it requires no assumption of a specific prior distribution because it gets probabilities by using the distribution estimated from given data. Empirical results reveal that the PNN method offers superior predictive capabilities.
추적 눈 운동 동안에 순간적으로 노출되는 표적의 위치는 표적 주위에 참조자극이 존재하지 않을 때에 일반적으로 눈 운동 방향으로 왜곡되어 지각된다. 본 연구는 안정적이고 정적인 참조자극이 존재하는 경우에 순간적으로 노출되는 표적의 참조자극에 대한 상대적인 위치가 얼마나 정확하게 지각되는지를 검증하였다. 참조자극에 대한 표적의 상대적인 위치가 왜곡되게 지각되었으며 상대적인 위치 지각 왜곡의 양상이 참조자극과 표적의 상대적인 위치에 따라서 체계적으로 변화하였다. 동일한 실험결과가 추적 눈 운동의 방향이 상이하거나 참조자극과 표적의 다양한 물리적인 거리 조건에서도 일관되게 관찰되었다. 본 연구의 실험결과가 위치지각에 관하여 제안된 기존의 이론에 의해 어떻게 설명될 수 있는지를 논의하였다.
Several aspects including physical development, reflex acquistion, neuromotor development and learning behavior at Y water maze were compared at the progeny of rats fed low 91.2mg/kg diet) or adequate leves(22mg/kg diet 0 of pyridoxine during growth, gestation, lactation, and adult period. Physical development and development of reflexes (righting reflex, cliff avoidance, negative geotaxis, palmar grasp, and startle reflex to sound) appeared different between control and deficient groups but not significantly. At the 2nd week, rats spent more time in supported standing during 6 minute period was longer in the control then the deficient groups. In the Y-water maze position reversal test, learning ability as judged by the number of errors was not different among three groups, but the rats in supplemented group(DC) reached the escape platform in significantly shorter time than the other two groups, which may suggest their emotional instability. In the visual discrimination test, the performance of rats from the supplemented group had the lower errors than the other groups on the early test days. but as the testing period progressed, the performance of rats in the supplemented group became inferior to those of the control and deficient groups. The performance of control group became superior to that of the deficient group.
In this paper, we propose a multi-layer associative neural network structure suitable for hardware implementaion with the function of performance refinement and improved robutst capability. Unlike other methods which reduce network complexity by putting restrictions on synaptic weithts, we are imposing a requirement of hidden layer neurons for the function. The proposed network has synaptic weights obtainted by Hebbian rule between adjacent layer's memory patterns such as Kosko's BAM. This network can be extended to arbitary multi-layer network trainable with Genetic algorithm for getting hidden layer memory patterns starting with initial random binary patterns. Learning is done to minimize newly defined network error. The newly defined error is composed of the errors at input, hidden, and output layers. After learning, we have bidirectional recall process for performance improvement of the network with one-shot recall. Experimental results carried out on pattern recognition problems demonstrate its performace according to the parameter which represets relative significance of the hidden layer error over the sum of input and output layer errors, show that the proposed model has much better performance than that of Kosko's bidirectional associative memory (BAM), and show the performance increment due to the bidirectionality in recall process.
This study explores reading fluency among elementary school students considering language level and family income(low SES). Forty eight students from 1st to 3rd grades participated in two paragraph reading tasks. Half of the children were from low income family and half of the children had low lexical knowledge. Reading fluency as in the number of correctly read syllables per minute, the total error frequency and error types were used to compare group differences. There were significant differences in the number of correctly read syllables per minute between two income groups and two language groups. There was a significant difference between low income group and non-low income group in total number of errors only when children's lexical knowledge were low. There were no group differences in error types of repetition and omission. Substitution and insertion error seemed to reflect the total error pattern. These results imply the importance of early screening and early involvement for children with low lexical knowledge from low income family. Monitoring and early intervention will support these children's reading development.
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.