인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.
홍수시 하천의 유속을 효율적이고 안전하게 측정할 수 있는 방법의 하나로 제시된 것이 표면 영상 유속 측정법이다. 일반적인 표면영상유속계(SIV)는 두장의 정지영상에서 영상 조각을 잘라낸 뒤 여기에 상호상관법을 적용하여 유속을 산정한다. 이 방법은 짧은 시간간격의 유속분포 측정에 매우 효율적이다. 그러나 장시간의 평균 유속장을 산정하는 데는 많은 시간이 소요되며, 순간 유속장을 산정하기 때문에 흐름 조건이나 촬영 조건에 따라 생기는 잡음이나 불확실성의 영향을 많이 받게 된다. 이를 개선하고자 개발된 방법이 시공간 영상을 이용하여 일정 시간동안의 유속의 평균을 한번에 산정하는 시공간영상유속계측법(STIV)이다. 시공간영상유속계측법 중의 하나인 휘도경사텐서법은 일정 시간동안의 시공간 영상을 한 번에 분석하기 때문에, 유속 산정 시간을 획기적으로 줄일 수 있는 장점이 있다. 그러나 이 방법은 하천의 일방향 유속만을 계산할 수 있기 때문에 구조물 주변이나 만곡이 있는 경우의 2차원 흐름 측정은 불가능하다는 한계가 있다. 이를 개선하기 위해서 본 연구에서는 상호상관법을 이용하여 2차원적으로 시공간 영상을 분석하는 방법(상호상관 시공간영상유속계측법)을 개발하였다. 이 방법은 시공간영상에서 시간축 방향으로 상관분석을 통해 영상변위를 산정하는 방법이다. 기존의 시공간영상분석기법 중 하나인 휘도경사텐서법이 주흐름 방향만 분석이 가능하였던 데 비하여, 상호상관 시공간 영상분석법은 2차원 유속분포 측정이 가능하고, 시간적인 평균을 취하기 때문에, 공간 해상도가 높으며, 전체적인 유속 분석시간이 매우 짧아지는 장점이 있다. 또한 공동 흐름에 대한 인공 영상을 이용한 오차 분석결과 최대 10% 이내, 평균적으로 5% 이하의 오차를 보여 상당히 정확하게 2차원 유속분포 측정이 가능한 것으로 나타났다.
본 연구는 주요 활엽수종을 대상으로 인위적으로 광선의 강도를 달리한 유묘의 생장과 물질생산량에 대한 수목의 생장패턴을 구명하기 위하여 실시되었다. 연구대상 수종은 자작나무, 박달나무, 느티나무, 고로쇠나무, 산벚나무, 쥐똥나무 등이며, 자연전광을 100%, 38-62%, 22-28%, 7-20%, 2-6%로 조절된 피음포지를 조성후 2년간 실시한 결과는 다음과 같았다. 일반적으로 양수로 분류되는 수종으로서 전광에서의 묘고와 근원경의 상대생장율이 자작나무와 박달나무는 피음 강도가 강한 투광을 2-6% 처리구보다 약 2배 이상 우수한 생장율을 나타냈다. 내음성이 상대적으로 강하다고 분류되는 수종의 묘고와 근원경 생장율은 투광을 38∼62% 피음 처리구에서 고로쇠나무와 쥐똥나무는 다른 처리구에 비해 양호한 생장을 보였다. 대부분의 수종에서 피음처리 수준에 따른 광량 감소와 함께 총물질생산량이 급격히 감소하였고, 잎과 줄기의 비율이 뿌리에 비해 증가하는 경향을 보였다. 유묘의 T/R율은 대부분의 수종이 피음의 강도가 강할수록 T/R율이 높아지는 경향으로 전광처리구 0.6∼3.2보다 투광을 2-6% 피음 처리구가 1.1∼5.0으로 높게 나타냈다. 전체적으로 비교할 때 조사 대상의 모든 활엽수 묘목에서 피음처리에 의한 광량이 감소할수록 SLA가 증가하는 경향으로, LAR과 LWR에서도 유사한 경향을 보여 광환경의 변화에 따른 피음의 강도가 강할수록 통계적으로 유의적인 차이를 보이며 증가하였다. 그러나 자작나무의 경우에는 LWR이 점진적으로 증가하다가 투광을 6% 미만의 최강피음 처리구에서 급격히 감소하는 경향을 보였다. 이러한 결과는 강한 피음에 의한 식물테의 물질생산 저하가 엽면적 및 엽량의 감소등 수체 내의 생리적 특성에 영향을 미친 것으로 생각된다.향상되었음을 알 수 있다. 이상의 결과에서 다양한 개입활동들이 환자의 치료순응도를 향상시키는 데 기여할 수 있음을 제시할 수 있다. 그러나 계량적 메타분석 기준에 부합되는 연구의 논문 수가 제한적이라는 한계점이 있으며, 연구에 사용되는 개입방법의 시도가 더욱 다양화될 필요성이 제시되고 있어 향후 이와 관련된 많은 연구들이 활성화되기를 기대한다.bscessation은 수술 후 4개월에서 7개월 사이에 발생하므로 follow-up 은 8개월까지 이루어져야 한다.장 싫어하는 것으로 나타났으며, 갈색란(Brown)과 난각색이 갈색에 가까운 시료(Trt-Brown)사이와 백색란(White)과 백색에 가까운 시료(Trt-White) 사이에는 통계적으로 유의차가 없었다. 난각색과 영양이 상관이 없다는 것을 교육한 후 실시한 두 번째 설문에서는 갈색에 가까운 계란(Tn-Brown)을 가장 좋아하여 1순위와 2순위가 바뀐 것 이외에는 첫 번째 질문의 결과와 같았다. 결론적으로 현재 우리나라에서는 갈색 정도의 차이 문제이지 갈색란을 좋아함을 알 수 있었고, 교육에 의해 조금씩은 고정 관념을 바꿀 수 있는 가능성을 확인할 수 있었다.ique impact at 0.70 km/s and 0.91 km/s were compared with experimental results and Eulerian hydrocode CTH simulation results. The Lagrangian code NET3D is superior to Eulerian code CTH in the computational accuracy. Agreement with the experimentally obtained final deformed cross-sections of the projectile is
90년대 말에 등장한 사이버가수는 잠시 등장했다가 사라져 버렸고 2000년대 들어 몇 번의 시도는 있었지만 유의미한 성공사례를 보여주지 못하고 있다. 사이버가수는 대중음악계에서 아이돌 육성시스템의 등장과 IT산업의 기술발달에 힘입어 탄생하게 되었고 '아담'에서 시작해 보컬로이드 '시유'까지 개발되게 된다. 만화나 게임에 등장하는 일반적인 디지털캐릭터와 차별화되는 사이버가수는 음악을 매개로 하는 우상화의 대상이 될 수 있고 다수의 팬덤을 형성하는 특징을 가지고 있다. 따라서 실패를 거듭하고, 유행이 흘러간 컨텐츠로 간주될 수 있겠으나 보컬로이드 같은 새로운 매체를 활용해 지속적인 창작 시도를 하고 있어 진정한 사이버가수 탄생에 대한 기대가 존재한다고 볼 수 있다. 초창기 사이버가수는 인간의 외형만 닮아가려는 노력으로 진행되다가 사이아트와 시유에서 인간의 기능들을 닮아가는 것으로 진화되어 왔다. 본 논문은 과거 등장했다가 사라진 사이버가수가 단순히 실패사례로 끝나지 않고 나름의 인공생명체로 진화하려는 과정 속에서 기술을 발전시키고 기계이미지를 바라보는 대중의 인식변화를 조금씩 이끌었다는 점에서 의미 있는 시도였다고 본다. 더불어 그 진화의 방향성은 인간의 기능을 기계적으로 하나씩 획득하면서 인간과 상호 재미와 감정을 교류하면서 자신만의 외형과 기능을 갖춘 인공생명체로 진화하려는 모습을 갖추고 있다. 이런 논리를 뒷받침하기 위해 브루스 매즐리시의 인간과 기계의 공진화에 대한 연구를 참고했고 90년대 후반부터 등장했던 8개의 사이버가수들의 기획 및 디자인적인 캐릭터성과 가수로써 중요하게 평가되는 목소리(보컬)에 대한 발달과정을 브루스가 연구한 관점에서 사이버가수의 진화과정으로 분석했다. 기계는 인간과 함께 공진화하면서 진화해오고 있다. 사이버가수도 인간의 이데아적 욕망과 죽음에 대한 공포의 양가적 대상으로 인식되고 있지만 새로운 인공생명체가 되려는 개발노력은 지속되고 있다. 따라서 새로운 사이버생명체라면 시유 같은 스타일이 될 가능성이 높다. 왜냐하면 만화적 형태나 기계음 목소리가 인간이 실재 욕망하는 기표의 형태는 아닐 수 있으나 현시대의 대중이 원하는 욕망과 기술적 발달이 교차되는 지점에서 탄생할 수 있는 기표의 형태이기 때문이다.
지하수자원의 효율적인 관리를 위해 강우에 대한 지하수위 변화를 예측하는 것은 중요한 문제이다. 본 연구에서는 자료기반 학습 알고리즘인 인공신경망과 지지벡터기계를 이용하여 시계열 예측 모델을 만들고 이를 국가지하수관측망 중 가산, 신광, 청성 관측소 지하수위 변화 예측에 적용하였다. 모델의 입력 성분 구성 방법에 따라 네 가지 모형을 설정하고 각 관측소 및 모델 별 예측 결과를 비교 평가하였다. 강우 입력 모형의 경우 지하수위 감쇠 및 기저 변화 예측을 위해 큰 규모의 입력 성분 구성이 필요하지만 강우 및 지하수위 입력 모형은 보다 작은 규모의 입력 성분으로 효과적으로 지하수위 변화를 예측하는 것으로 나타났다. 강우 및 지하수위 입력 모형의 활용성 증대를 위해 고안된 반복 예측 모형의 경우 관측값과 예측값 사이에 0.75~0.95의 상관계수를 보여 적용 가능성이 큰 것으로 판단된다. 전체적으로 강우-지하수위 교차상관계수가 낮은 신광 관측소의 예측 오차가 크게 나타났고 ANN 모델에 비해 SVM의 예측력이 다소 높은 것으로 조사되었다. 또한 반복 예측 모형의 모델 파라미터 선정 과정에서 보정 단계 오차에 대한 예측 단계 오차의 비의 분포를 조사한 결과 SVM의 경우가 더 작게 나타나 SVM이 본 연구 자료에 대해 보다 안정적이고 효율적인 모델임을 평가하였다.
정확한 강수예측을 위해서는 예측인자 선정과 예측방법에 대한 선택이 매우 중요하다. 최근에는 강수예측 방법으로 기계학습 기법이 많이 사용되고 있으며, 그 중에서도 특히 인공신경망을 사용한 강수예측 방법은 좋은 성능을 보였다. 본 논문에서는 딥러닝 기법 중 하나인 DBN(deep belief network)를 이용한 새로운 강수예측 방법을 제안한다. DBN는 비지도 사전 학습을 통해 초기 가중치를 설정하여 기존 인공신경망의 문제점을 보완한다. 예측인자로는 기온, 전일-전주 강수일, 태양과 달 궤도 관련 자료를 선정하였다. 기온과 전일-전주 강수일은 서울에서의 1974년부터 2013년까지 총 40년간의 AWS(automatic weather system) 관측 자료를 사용하였고, 태양과 달의 궤도 관련 자료는 서울을 중심으로 계산한 결과를 사용하였다. 전체 기간에서 일부는 학습 자료로 사용하여 예측모델을 생성하였고, 나머지를 생성한 모델의 검증 자료로 사용하였다. 모델 검증 결과로 나온 예측값들은 확률값을 가지며 임계치를 이용하여 강수유무를 판별하였다. 강수 정확도의 척도로 양분예보기법 중 CSI(critical successive index)와 Bias(frequency bias)를 계산하였다. 이를 통해 DBN와 MLP(multilayer perceptron)의 성능을 비교한 결과 DBN의 강수 예측 정확도가 높았고, 수행속도 또한 2배 이상 빨랐다.
본 연구에서는 석탄회로 제조된 인공경량골재에 석회석을 첨가하였을 때 소성온도 및 시간에 따른 소성특성을 관찰하였다. 소성온도의 증가에 따라 quartz($SiO_2$)가 감소한 반면 mullite($3Al_2O_3{\cdot}2SiO_2$)가 증가되었으며, 석회석의 첨가에 의해 clinoptiolite와 pagioclase와 같은 소성에 의한 소성광물이 생성되었다. 석탄회 및 석회석으로 제조된 경량골재의 소성성은 주로 소성시간보다는 소성온도에 의해서 좌우되는 것으로 확인되었다. 또한 소성온도 및 시간의 증가는 골재내 형성된 거대기공의 미세화 및 폐기공의 형성으로 전체 기공부피를 축소시키는 경향을 나타냈다. 1000$^{\circ}$C에서 5분가 소성시킨 경량골재의 표면은 용융 슬래그 층의 융착현상에 의해 개기공이 거의 없었으나 내부는 발포가스에 의해 수 ${\mu}$의 미세기공이 폐기공 형태로 균일하게 분포하였다. 이로부터 석회석이 첨가된 소성 경량골재의 적정 소성조건은 소성온도는 약 1000$^{\circ}$C, 소성시간은 5분이 바람직한 것으로 나타났다.
Objectives: The purpose of this study is to predict the weight loss by applying machine learning using real-world clinical data from overweight and obese adults on weight loss program in 4 Korean Medicine obesity clinics. Methods: From January, 2017 to May, 2019, we collected data from overweight and obese adults (BMI≥23 kg/m2) who registered for a 3-month Gamitaeeumjowi-tang prescription program. Predictive analysis was conducted at the time of three prescriptions, and the expected reduced rate and reduced weight at the next order of prescription were predicted as binary classification (classification benchmark: highest quartile, median, lowest quartile). For the median, further analysis was conducted after using the variable selection method. The data set for each analysis was 25,988 in the first, 6,304 in the second, and 833 in the third. 5-fold cross validation was used to prevent overfitting. Results: Prediction accuracy was increased from 1st to 2nd and 3rd analysis. After selecting the variables based on the median, artificial neural network showed the highest accuracy in 1st (54.69%), 2nd (73.52%), and 3rd (81.88%) prediction analysis based on reduced rate. The prediction performance was additionally confirmed through AUC, Random Forest showed the highest in 1st (0.640), 2nd (0.816), and 3rd (0.939) prediction analysis based on reduced weight. Conclusions: The prediction of weight loss by applying machine learning showed that the accuracy was improved by using the initial weight loss information. There is a possibility that it can be used to screen patients who need intensive intervention when expected weight loss is low.
소나무류의 뿌리나 토양에서 분리된 균근균의 배양특성 비교와 인공접종에 의한 소나무 묘목에의 균근형성을 시도하였다. 소나무류 균근균은 다양한 생장특성을 지니고 있었는데, 배지별 생장에서 민자주방망이버섯(Ln73/92)은 PDA 에서, Paxillus sp.는 FDA 에서, 알버섯(FRI91017)은 Hagem배지에서, 나머지 균근균들은 MP배지에서 생장이 양호하였다. 용도나 pH를 달리한 배양조건에서 대부분의 균근균들은 $25^{\circ}C$에서 생장이 양호하였으나 모래밭버섯(FRI91004와 Pt 1)은 $30^{\circ}C$가 최적온도였고, pH도 균근균의 종류에 따라 약산성에서부터 약알칼리성에 이르기까지 최적 pH가 다양하였다. 생장시에 선호하는 탄소원의 종류도 균근균의 종류에 따라 다양하였으나 탄소원으로 xylose를 첨가한 배지에서는 모든 균근균의 생장이 불량하였다. 질소원은 $KNO_3$ 또는 asparagine을 선호하는 종류가 많았고 urea를 첨가한 배지에서는 거의 모든 균근균이 생장하지 못하였다. 균근균을 해송묘목에 인공접종하여 균근균을 형성시킨 결과, 모래밭버섯인 Pt1균주만 3개월만에 성공적으로 균근을 형성하여 외생균근의 전형적인 특징인 두꺼운 균사막으로 덮인 분지된 세근이 관찰되었으며 조직염색법에 의해 처리된 균근형성뿌리의 횡단절단면을 Nomarski interference microscope로 관찰하여 표피세포에 형성된 fungal mantle과 피층세포에 형성된 Hartig net을 확인하였다.
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.