• 한국응용과학기술학회지
• /
• 제36권2호
• /
• pp.541-550
• /
• 2019

본 연구의 목적은 PAPS-D를 활용하여 인라인스케이트 프로그램이 발달장애 학생들의 건강 체력 향상에 미치는 효과를 알아보는 것이다. 대상자는 발달장애 판정을 받은 중고등부 학생 10명으로 구성되었고 16주 동안 주2회 총32회 수업을 하였으며, 수업시간은 매 시간 60분으로 하였다. 건강 체력 향상을 측정하기 위한 검사 도구는 2016학년도 교육과학부에서 개발한 PAPS-D 프로그램으로서 비만도 측정을 제외한 심폐기능(6분 걷기), 유연성(앉아 윗몸 앞으로 굽히기), 근 기능(윗몸 말아 올리기), 순발력(제자리 멀리뛰기)을 적용시켜 측정하였다. 통제집단과 실험집단의 상호작용 효과를 알아보기 위해 Two-way Repeated Measure ANOVA를 실시한 검사 결과는 심폐기능과 순발력에서는 유의한 차이가 있는 것으로 나타났지만, 유연성과 근 기능에서는 유의한 차이가 없는 것으로 나타났다. 4개의 변인 중 3개변인(심폐기능, 유연성, 근 기능)은 인라인스케이트 프로그램이 건강 체력 향상에 영향을 미친것으로 나타났으며, 1개의 변인(순발력)은 사전검사 보다 사후검사에서 영향을 미치지 못한 것으로 나타났다. 사전 사후 검사에서 향상된 것으로 확인된 3개 변인의 결과에 따라 결론적으로 발달장애 학생들의 인라인스케이트 프로그램 적용은 건강 체력 향상에 긍정적인 영향을 미치는 것으로 나타났다.

• Journal of Preventive Medicine and Public Health
• /
• 제21권1호
• /
• pp.132-151
• /
• 1988

This study was conducted to establish the control program for preventing unfavorable health effects of nitrogen dioxide($NO_2$) exposure in homes by preparing the fundamental data for evaluation of relation-ships between $NO_2$ levels and influencing factors through measurements of indoor-outdoor $NO_2$ levels and personal $NO_2$ exposures for housewives with questionnaire survey on 172 homes in Pusan area from April to June, 1987 $NO_2$ measurements were made by using diffusion tube samplers(Palmes tube $NO_2$ sampler) for one week at 4 sites in homes ; kitchen(KIT), bedroom(BED), living room(LIV), outdoor(OUT) and near the collar of housewives(personal exposure livel, PNO). The details of questionnaire were number of household members(FAM), number of regular smokers (SMOKER), daily number of meals eaten(MEAL), type of housing units(HOUSE), location of house with distance from the heavy traffic roads as walking time(DIST), and of kitchen(KAREA), kind of cooking fuels(FUEL), cooking time of each meal(CTIME), usage of kitchen fan for cooking(FAN), type of heating facilities(HEAT) and so on of subject homes. The Obtained results were as fellows : 1) The mean $NO_2$ level was significantly higher at indoors than outdoors(p<0.01) and the kitchen $NO_2$ level was the highest with $33.7{\pm}13.6ppb$(9.5-81.5ppb). The mean personal exposure level of $NO_2$ for housewives was $20.6{\pm}8.8ppb$(3.1-46.9ppb). 2) The mean indoor $NO_2$ level was significantly higher in the group of household members above 5 than below 4(p<0.05), in detached dwellings than apartments(p<0.001), within 5 minutes of distance than over 5 minutes(p<0.001), in the group of unusing fan(p<0.001), in the group of longer cooking time(p<0.001), and it was in order of coal briquette, gas, electricity and oil by kind of cooking fuels(p<0.05). 3) Variables showing significant correlation(p<0.001) with indoor $NO_2$ level were kitchen $NO_2$ level(r=0.8677), cooking time(r=0.5921), outdoor $NO_2$ level(r=0.5192), personal $NO_2$ exposure level(r=0.4615), usage of kitchen fan(r=0.3573) and location of house(r=-0.2988) 4) As a result of multiple regression analysis, the most significant influencing variable to the kitchen $NO_2$ level was cooking time[KIT=$-0.378{\pm}11.772$(CTIME)+0.298(OUT)+3.102(FAN)], it was kitchen $NO_2$ level to the indoor $NO_2$ level[IND=6.996+0.458(KIT)+0.230(OUT)-1.127(KAREA)], and it was indoor $NO_2$ level to the personal $NO_2$ exposure level[PNO=15.562+0.729(IND)-4.542(DIST)-0.200(KIT)] 5) It was recognized that aritificial ventilation in the kitchen, suppression of unnecessary combustion and replacement of cooking fuel, as much as possible, were effective means for decreasing indoor $NO_2$ levels in homes.

• 지능정보연구
• /
• 제24권3호
• /
• pp.1-19
• /
• 2018

최근 딥러닝은 오디오, 텍스트 및 이미지 데이터와 같은 비 체계적인 데이터를 대상으로 다양한 추정, 분류 및 예측 문제에 사용 및 적용되고 있다. 특히, 의류산업에 적용될 경우 딥러닝 기법을 활용한 의류 인식, 의류 검색, 자동 제품 추천 등의 심층 학습을 기반으로 한 응용이 가능하다. 이 때의 핵심모형은 합성곱 신경망을 사용한 이미지 분류이다. 합성곱 신경망은 입력이 전달되고 출력에 도달하는 과정에서 가중치와 같은 매개 변수를 학습하는 뉴런으로 구성되고, 영상 분류에 가장 적합한 방법론으로 사용된다. 기존의 의류 이미지 분류 작업에서 대부분의 분류 모형은 의류 이미지 자체 또는 전문모델 착용 의류와 같이 통제된 상황에서 촬영되는 온라인 제품 이미지를 사용하여 학습을 수행한다. 하지만 본 연구에서는 통제되지 않은 상황에서 촬영되고 사람들의 움직임과 다양한 포즈가 포함된 스트릿 패션 이미지 또는 런웨이 이미지를 분류하려는 상황을 고려하여 분류 모형을 훈련시키는 효과적인 방법을 제안한다. 이동성을 포착하는 런웨이 의류 이미지로 모형을 학습시킴으로써 분류 모형의 다양한 쿼리 이미지에 대한 적응력을 높일 수 있다. 모형 학습 시 먼저 ImageNet 데이터셋을 사용하여 pre-training 과정을 거치고 본 연구를 위해 수집된 32 개 주요 패션 브랜드의 2426개 런웨이 이미지로 구성된 데이터셋을 사용하여 fine-tuning을 수행한다. 학습 과정의 일반화를 고려해 10번의 실험을 수행하고 제안된 모형은 최종 테스트에서 67.2 %의 정확도를 기록했다. 본 연구 모형은 쿼리 이미지가 런웨이 이미지, 제품 이미지 또는 스트릿 패션 이미지가 될 수 있는 다양한 분류 환경에 적용될 수 있다. 구체적으로는 패션 위크에서 모바일 어플리케이션 서비스를 통해 브랜드 검색을 용이하게 하는 서비스를 제공하거나, 패션 잡지사의 편집 작업에 사용되어 브랜드나 스타일을 분류하고 라벨을 붙일 수 있으며, 온라인 쇼핑몰에서 아이템 정보를 제공하거나 유사한 아이템을 추천하는 등의 다양한 목적에 적용될 수 있다.