• 한국컴퓨터정보학회논문지
• /
• 제27권12호
• /
• pp.9-16
• /
• 2022

본 논문에서는 함정 전투체계의 데이터 파일의 데이터 불일치가 발생했을 때 데이터 복구를 할 수 있도록 레코드 블록 데이터 파일 시스템(RDBS)의 설계 및 활용방안을 제안한다. 함정 전투체계는 다중화를 지원하기 위해 다수의 정보처리장치 저장소에 동일한 파일을 관리하고 있다. 하지만 일부 장비의 유지보수로 인한 사용불가 상태에서 운용하거나 사용자의 운용미숙으로 정보처리장치 간의 데이터 파일의 불일치가 발생할 수 있다. 기존 함정 전투체계는 데이터파일의 변경이력을 관리하지 않으므로 데이터 불일치가 발생했을 때, 가장 최신날짜 기준으로 데이터 파일을 동기화를 진행하였다. 그러나 가장 최신 날짜의 데이터파일이 신뢰도가 가장 높다고 보기 어려우며, 한번 파일동기화가 진행된 이후에는 동기화 이전 데이터로 복구할 수 없다. 이러한 문제점을 해결하기 위해 본 논문에서 제안한 RDBS를 활용하여 레코드 블록 단위로 데이터를 저장 및 동기화 하였으며, 레코드 블록 관리로 인한 파일동기화에 발생하는 오버헤드를 줄이기 위해 Rsync알고리즘을 활용하였다. RDBS를 적용한 SW를 모의환경에서 성능시험을 하였으며, 정상 동작확인을 통해 함정 전투체계에 적용이 가능함을 확인하였다.

• 한국환경생태학회지
• /
• 제36권5호
• /
• pp.496-506
• /
• 2022

이식 과정을 통해 식재된 수목은 뿌리 절단, 수관 훼손과 같은 극단적인 교란으로 인해 식재 직후 생장량은 급격히 감소한다. 이후 시간이 경과하면서 원래의 생장량을 회복하는데 이때 소요되는 시간은 수종별로 차이가 있다. 따라서 이식 후 활착을 위한 수목관리를 위해 수종별 연간생장량의 변화를 분석하여 적정 관리 기간을 설정할 필요가 있다고 판단하였다. 이에 본 연구에서는 수변생태벨트 조성 지역에 식재된 낙엽활엽수를 대상으로 생장량을 분석하고 그 결과를 바탕으로 적정 관리 기간을 제안하고자 하였다. 이식과정에서 수목 활착율을 높이기 위해 시행하는 사전 작업인 뿌리돌림, 단근, 가지치기 등으로 인해 식재 직후의 생장량 둔화는 일반적인 현상이다. 이후 시간이 경과하면서 원래의 생장량을 회복하게 되는데, 소요되는 시간은 수종별, 식재 환경 등에 따라 차이가 존재할 수 있다. 연구결과 대부분의 수목은 이식 직후 급격한 생장량 감소를 보이는 것으로 나타났으며. 이후 수종별로 상이하긴 하나 대부분 2년 이후부터 서서히 생장량을 회복하는 것으로 나타났다. 수종별 생장량을 분석한 결과 공통적으로 이식 직후 급격한 생장량 감소를 보인 후, 이식전의 생장 수준을 회복하기 까지는 수종에 따라 2~4년 정도의 시간이 필요한 것으로 확인되었다. 결과적으로, 생태복원 및 오염물질 저감이라는 본 사업의 목적에 부합하기 위해서는 식재한 수목의 하자율 개선이 필요하며, 이를 위해서는 적정한 기반환경을 조성하는 것 외에 최소 2년간의 수목 관리기간을 설정하는 것이 필요하다.

• 재활치료과학
• /
• 제11권3호
• /
• pp.93-106
• /
• 2022

목적 : 본 연구의 목적은 음성-텍스트 변환 어플리케이션을 이용한 원격 모니터링이 건강한 성인의 작업균형에 미치는 효과를 알아보기 위함이다. 연구방법 : 총 7명의 건강한 성인을 대상으로 연구를 진행하였다. 대상자는 실험에 참여 전, 원하는 작업 활동을 선택하였고 이를 스마트폰에 설치한 음성-텍스트 변환 어플리케이션에 등록하였다. 음성-텍스트 변환 어플리케이션은 미리 등록된 작업 활동을 시간에 맞춰 수행 여부를 확인할 수 있도록 알람을 제공하였고 대상자는 음성으로 수행 여부를 등록하였다. 원격 모니터링은 일주일 동안 진행하였고 일주일 뒤, 작업 활동의 변화를 살펴보았다. 결과 : 대상자 모두 일주일 동안 어플리케이션 사용에 높은 순응도와 만족도를 보였다. 또한 일주일 뒤, 건강과 관련된 작업 활동의 균형이 유의하게 향상되었다(p<.05). 결론 : 본 연구 결과는 스마트폰을 이용한 원격 모니터링이 코로나19로 인한 봉쇄 기간 동안 작업 균형을 회복하는 방법으로 사용 가능함을 시사한다.

• 문화기술의 융합
• /
• 제8권6호
• /
• pp.515-522
• /
• 2022

본 연구는 독일의 아동학대 대응체계를 예방적 관점에서 분석하고, 우리나라에 적용가능한 함의점을 찾아보고자 하였다. 연구방법으로는 법적차원, 정책적 차원, 전문성 차원에서 분석틀을 제시하고 시사점을 도출하였다. 연구결과는 다음과 같다. 첫째, 독일 아동청소년지원법은 국가의 개입 이전에 가정의 역기능을 회복할 수 있도록 예방적 지원체계를 규정하였다. 둘째, 민법에 따라 가정법원이 조기개입이 가능하도록 규정하였다. 셋째, 연방아동보호법을 통해 아동학대 대응체계를 위한 지역사회 협력을 규정하였다. 넷째, 아동학대 대응체계의 책임기구인 청소년청은 예방적 지원과 개입이 동시에 가능하도록 하였다. 다섯째, 인력의 전문성을 위해 아동청소년지원법에 자격기준을 명시하고, 3년 이상 전담공무원에게 아동보호전문인력 자격을 부여한다. 시사점은 다음과 같다. 첫째, 아동학대 신고체계로 작동하는 아동학대 대응체계를 예방적 지원체계로 확대해야 한다. 둘째, 학대받은 아동을 위한 보호조치뿐만 아니라 잠재적 위험아동에 대한 지원체계를 확립하기 위하여 네트워크 간 조기경보체계를 시스템으로 구축하여 모니터링을 확대해야한다. 셋째, 아동과 부모가 가정의 어려움으로 인해 발생하는 역기능을 지방자치단체가 유연하고 포괄적으로 지원해야 한다. 넷째, 네트워크 협력체계를 위해 아동보호협력법의 제정이 필요하다.

• 생태와환경
• /
• 제55권4호
• /
• pp.294-304
• /
• 2022

본 연구는 고유종인 얼록동사리(Odontobutis interrupta) 의 이동 패턴과 서식지 특성을 파악하기 위해 PIT telemetry를 이용하여 금강 수계의 지류 하천인 용수천의 상류 지점(충남 공주시 반포면 공암리 공암교, St. 1)과 용수천 중류 지점 (세종특별자치시 금남면 두만리 백룡교. St. 2)에서 2021년 3월부터 10월까지 수행되었다. 어류 채집은 족대(망목: 5×5 mm)와 통발(5×5 mm)을 이용하였고, PIT tag 삽입은 현장에서 즉시 수행하였다. 총 21회 모니터링에서 70개체가 115회 감지되었으며, 분석결과 얼록 동사리의 평균 총이동거리는 36.5 (±6.6) m로 확인되었으며, 전장에 따른 얼록동사리의 이동거리는 크기가 큰 개체일수록 더 멀리 이동하는 것으로 나타났다 P≤0.05). 얼록동사리가 감지된 지점의 평균 수심은 36.2 (±1.9) cm, 평균유속은 0.03 (±0.07) m s^-1 , 평균 수변부로부터의 거리는 4.4 (±0.3) m로 나타났다. 또한, 감지된 돌 면적에 대해 방류 후 최초선택하는 돌의 면적과 이후에 선택하는 돌의 면적을 비교한 결과 통계적으로 차이가 없는 것으로 나타났으나(P>0.05) 방류 후 24시간 이전 감지를 제외한 나머지 감지에 대한 전장과 돌의 면적을 비교한 결과 통계적으로 유의한 차이가 나타났다(P<0.01). 따라서, 서식지 복원을 위해서는 개체크기별 다양한 서식조건(수심, 유속, 돌 등)을 제공하여 개체별 다양한 하상 구조를 조성하는 것이 필요할 것으로 판단된다.

• 한국습지학회지
• /
• 제25권1호
• /
• pp.14-25
• /
• 2023

저수지 홍수터는 댐 저수지에 자연스럽게 형성되는 계획홍수위와 상시만수위 사이의 토지를 의미한다. 광범위하게 분포된 홍수터는 경작을 포함한 다양한 형태로 훼손되어 왔다. 훼손된 홍수터를 일거에 복원하는 것은 현실적으로 어려우며, 이에 따라 복원 우선순위를 결정하는 방법이 제시되고 있다. 이 과정에는 다양한 인자가 고려되며, 그 중 홍수터의 수문특성으로 침수일수(또는 침수빈도)가 있다. 하천 홍수터의 경우는 동일한 하천에서도 홍수터마다 다른 침수 빈도를 보이지만, 댐 저수지의 홍수터는 모두 동일한 침수빈도를 가져 차별성을 확보하기 어려운 문제가 있다. 이에 본 연구에서는 누가침수면적곡선을 이용하여 댐 홍수터의 수문특성을 차별화하는 방법을 제시하였다. 누가침수면적 곡선은 댐 저수지 수위 상승에 따라 침수되는 누가면적을 나타낸 곡선이며, 본 연구에서는 특히 누가침수면적의 비율이 30%, 50%, 70%가 되는 수위를 기준으로 침수빈도를 평가하였다. 본 연구에서는 낙동강 수계 안동, 임하, 영주, 남강 등 4개 댐에서 기 결정된 각 5개의 복원후보 홍수터를 적용사례로 고려하였다. 분석 결과, 누가침수면적곡선은 홍수터의 전반적인 형태(급경사-완경사 혹은 완경사-급경사)를 잘 반영해 줌을 확인할 수 있었다. 또한, 누가침수면적의 비율이 30%, 50%, 70%에 해당하는 침수빈도는 홍수터의 수문특성을 정량화하여 파악하는데 효율적임을 판단 할 수 있었다.

• 한국도서관정보학회지
• /
• 제53권4호
• /
• pp.1-23
• /
• 2022

기록은 인간의 삶과 지식 세계에 대한 수상인 동시에 지문이다. 기록의 대명사로 간주되는 책은 인류 역사를 추적하는 통로이자 그것을 음미하는 창이다. 그리고 책의 가장 원시적인 형태는 고대 그리스·로마의 고전이고, 압권은 필사본이다. 그것은 파피루스 두루마리, 양피지, 종이 등에 기록한 원본과 그것을 번역·중역한 사본을 총칭한다. 장구한 지식문화사를 반추하면 서양 필사본은 자연적 재해뿐만 아니라 인위적 문화반달리즘과 비블리오코스트로 인하여 시공간을 유동하는 강물처럼 이합집산을 계속해 왔다. 이에 본 연구는 고대 그리스에서 중세 르네상스 시대까지 서양 필사본의 유량과 도서관 보존을 추적하였다. 그 결과, 왕조와 제국, 군주와 재상, 장군과 정복자, 귀족과 부유층, 성직자와 학자를 불문하고 고전 필사본을 수집하고 번역하는데 혈안이었다. 고대 그리스·로마의 석학들이 파피루스와 양피지에 지식과 지혜를 기록하지 않았으면, 중세 비잔티움 제국·이슬람 제국이 고전을 수집·번역하고 재생산하지 않았으면, 책 사냥꾼들이 고전을 추적하지 않았으면, 르네상스 인문주의자들이 지적 엑소더스를 통해 고전을 복원·재해석하지 않았으면, 그리고 역사도서관이 사력을 다해 고전과 번역본을 수집·보존하지 않았으면, 현대인은 고전 지식을 접할 수 없었을 것이다. 그럼에도 불구하고 고전 필사본의 추적은 역사적 유동, 지리적 유랑, 언어적 변용으로 인해 많은 난제와 모순이 중첩되어 있는 아포리아다. 새로운 필사본이 발견·해석되면 수정과 보완이 불가피하므로 후속연구를 통한 고전 필사본의 유랑과 귀환에 대한 추적은 계속되어야 한다.

• 인지과학
• /
• 제33권4호
• /
• pp.205-228
• /
• 2022

본 연구는 인간 로봇 상호작용에서 로봇의 사회적이고 관계적인 행동 유형이 인간의 인식에 끼치는 영향을 확인하고자 하였다. 이를 위한 실험에서는 연구 참여자들이 로봇 나오가 인간과 상호작용 하면서 로봇이 오류를 일으키고 신뢰회복을 위한 행동을 영상으로 시청한 후 로봇에 대한 신뢰를 평가하였다. 신뢰회복 행동은 로봇이 오류를 인정하고 사과하는 내부 귀인, 오류가 있었음을 사과하지만 외부로 귀인하는 조건, 오류 자체를 부인, 오류에 대해 아무런 사후 행동을 하지 않는 비 행동 조건으로 설정하였다. 이후 로봇에 대한 인간의 평가를 3가지 측면에서 분석하였다. 첫째, 로봇의 유능함과 정직성에 기반한 신뢰, 둘째 로봇에 대한 지각된 유능함과 정직성, 그리고 로봇의 오류로 인한 신뢰 위반에 대하여 오류의 심각성을 어떻게 지각하는지 탐색하였다. 실험의 결과는 3가지 모든 경우에서 로봇이 사과하지 않을 때보다 사과할 때 오류가 덜 심각하다고 지각하였으며 로봇에 대한 능력 또한 높이 평가하였다. 이러한 연구 결과는 로봇의 행동유형과 오류 극복 방법에 따라 로봇에 대한 인간의 태도가 민감하게 반응 할 수 있다는 근거를 제공하며 로봇에 대한 인간의 지각이 변할 수 있음을 시사한다. 특히 로봇이 스스로의 오류를 인정하고 사과하는 것이 더 신뢰를 높인다는 결과는 로봇이 인간처럼 사회적이고 매너있는 행동을 통해 긍정적인 인간 로봇상호작용을 증진시킬 수 있음을 보여준다.

• Wind and Structures
• /
• 제36권4호
• /
• pp.237-247
• /
• 2023

The emergence of high-rise buildings has necessitated frequent structural health monitoring and maintenance for safety reasons. Wind causes damage and structural changes on tall structures; thus, safe structures should be designed. The pressure developed on tall buildings has been utilized in previous research studies to assess the impacts of wind on structures. The wind tunnel test is a primary research method commonly used to quantify the aerodynamic characteristics of high-rise buildings. Wind pressure is measured by placing pressure sensor taps at different locations on tall buildings, and the collected data are used for analysis. However, sensors may malfunction and produce erroneous data; these data losses make it difficult to analyze aerodynamic properties. Therefore, it is essential to generate missing data relative to the original data obtained from neighboring pressure sensor taps at various intervals. This study proposes a deep learning-based, deep convolutional generative adversarial network (DCGAN) to restore missing data associated with faulty pressure sensors installed on high-rise buildings. The performance of the proposed DCGAN is validated by using a standard imputation model known as the generative adversarial imputation network (GAIN). The average mean-square error (AMSE) and average R-squared (ARSE) are used as performance metrics. The calculated ARSE values by DCGAN on the building model's front, backside, left, and right sides are 0.970, 0.972, 0.984 and 0.978, respectively. The AMSE produced by DCGAN on four sides of the building model is 0.008, 0.010, 0.015 and 0.014. The average standard deviation of the actual measures of the pressure sensors on four sides of the model were 0.1738, 0.1758, 0.2234 and 0.2278. The average standard deviation of the pressure values generated by the proposed DCGAN imputation model was closer to that of the measured actual with values of 0.1736,0.1746,0.2191, and 0.2239 on four sides, respectively. In comparison, the standard deviation of the values predicted by GAIN are 0.1726,0.1735,0.2161, and 0.2209, which is far from actual values. The results demonstrate that DCGAN model fits better for data imputation than the GAIN model with improved accuracy and fewer error rates. Additionally, the DCGAN is utilized to estimate the wind pressure in regions of buildings where no pressure sensor taps are available; the model yielded greater prediction accuracy than GAIN.

• 한국습지학회지
• /
• 제25권3호
• /
• pp.167-175
• /
• 2023

강우 데이터는 습지관리, 수문모의, 수자원 관리와 같은 다양한 분야에서 활용되는 필수 입력자료 중 하나이다. 강우 데이터를 활용하여 효율적인 수자원관리를 위해서는 기본적으로 데이터의 결측률을 최소화 시킴으로써 최대한 많은 데이터를 확보하는 것이 필수적이다. 또한 미계측 지역에 대한 강우 데이터를 확보한다면 보다 효율적인 수문모의가 가능하다. 그러나 결측 강우 데이터는 주로 통계학적 기법에 의해 추정되어 왔다. 본 연구의 목적은 데이터 간의 상관관계를 기반으로 새로운 데이터를 예측할 수 있는 머신러닝 알고리즘을 활용하여 결측 강우 데이터를 복원할 수 있는 새로운 방법을 제안하고자 한다. 또한, 기존의 통계적 방법들과 비교하여 머신러닝 기법의 결측 강우 데이터 복원을 위한 활용가치를 평가하고자 한다. 평가를 위해 대표적인 머신러닝 알고리즘인 Artificial Neural Network (ANN)과 Random Forest (RF)을 적용하였다. 강우의 발생 유무를 분류하는 성능은 RF 알고리즘이 ANN 알고리즘보다 강우 발생유무의 분류 정확도가 높은 것으로 나타났다. 분류 모형의 평가 지표인 F1-score나 Accuracy값이 RF는 0.80, 0.77인 반면에, ANN은 0.76, 0.71로 계산되었다. 또한 강우량을 추정하는 성능 역시 RF가 ANN 알고리즘보다 보다 높은 정확도를 보였다. RF과 ANN 알고리즘의 RMSE은 2.8mm/day과 2.9mm/day이고, R²값은 0.73, 0.68으로 계산되었다.