Machine learning is widely applied to various engineering fields. In structural engineering area, machine learning is generally used to predict structural responses of building structures. The aging deterioration of reinforced concrete structure affects its structural behavior. Therefore, the aging deterioration of R.C. structure should be consider to exactly predict seismic responses of the structure. In this study, the machine learning based seismic response prediction model was developed. To this end, four machine learning algorithms were employed and prediction performance of each algorithm was compared. A 3-story coupled shear wall structure was selected as an example structure for numerical simulation. Artificial ground motions were generated based on domestic site characteristics. Elastic modulus, damping ratio and density were changed to considering concrete degradation due to chloride penetration and carbonation, etc. Various intensity measures were used input parameters of the training database. Performance evaluation was performed using metrics like root mean square error, mean square error, mean absolute error, and coefficient of determination. The optimization of hyperparameters was achieved through k-fold cross-validation and grid search techniques. The analysis results show that neural networks and extreme gradient boosting algorithms present good prediction performance.

본 논문의 목적은 코로나 엔데믹을 맞이해서 교회 개척이 어려운 한국교회의 상황 속에 ‘멀티교회’라고 하는 선교적 교회 개척 모델을 연구하고 미래 시대에 맞는 교회 개척 방법을 제시하는데 있다. ‘멀티사 이트’와 다른 생소한 개념의 ‘멀티교회’을 이해하기 위해 공주 꿈의교회 로부터 시작해서 6개 교회가 개척되고 이 교회들의 연합체인 ‘꿈의 멀티교회’로 세워진 과정과 교회 개척 방법을 살펴보았다. 멀티교회의 개척자인 안희묵 목사의 교회 개척에 대한 목회 철학과 멀티교회의 핵심 요소를 연구함으로 하나님 나라의 확장과 지역사회 복음화에 이바지할 수 있는 선교적 교회 개척 방법을 제안하고자 한다. 멀티교회 에 대한 연구가 한국교회의 교회 개척 운동에 새로운 발판이 되길 기대한다.

Recent earthquakes in Korea, like Gyeongju and Pohang, have highlighted the need for accurate seismic hazard assessment. The lack of substantial ground motion data necessitates stochastic simulation methods, traditionally used with a simplistic point-source assumption. However, as earthquake magnitude increases, the influence of finite faults grows, demanding the adoption of finite faults in simulations for accurate ground motion estimates. We analyzed variations in simulated ground motions with and without the finite fault method for earthquakes with magnitude (Mw) ranging from 5.0 to 7.0, comparing pseudo-spectral acceleration. We also studied how slip distribution and hypocenter location affect simulations for a virtual earthquake that mimics the Gyeongju earthquake with Mw 5.4. Our findings reveal that finite fault effects become significant at magnitudes above Mw 5.8, particularly at high frequencies. Notably, near the hypocenter, the virtual earthquake’s ground motion significantly changes using a finite fault model, especially with heterogeneous slip distribution. Therefore, applying finite fault models is crucial for simulating ground motions of large earthquakes (Mw ≥ 5.8 magnitude). Moreover, for accurate simulations of actual earthquakes with complex rupture processes having strong localized slips, incorporating finite faults is essential even for more minor earthquakes.

This research presented the procedural framework of developing and optimizing an artificial intelligence model for predicting the change of bread texture by different baking enhancers. Emphasis was placed on the impact of various baking enhancers on the Mixolab thermo-mechanical properties of wheat flour and consequent alterations in bread texture. The application of baking enhancers positively contributed to dough formation and stability, producing bread with a soft texture. However, a relatively low Pearson correlation coefficient was observed between a single Mixolab parameter and bread texture (r<0.59). To more accurately predict the texture of bread from the thermo-mechanical features of wheat flour with baking enhancers, five AI models (multiple linear regression, decision tree, stochastic gradient descent, random forest, and multilayer perceptron neural network) were applied, and their prediction performance was compared. The multilayer perceptron neural network model was further utilized to enhance the prediction of bread texture by mitigating overfitting risks. Finally, the hyperparameter tuning (activation function [Leaky ReLU], regularization [0.0001], and dropout [0.1]) led to enhanced model performance (R2 = 0.8109 and RMSE = 0.1096).

이 논문은 현대 환경 위기 시대에 한국기독교의 상황에서 생태-전도 개념을 탐구한다. 복음전파와 밀접한 관련이 있는 심각해지는 생태위기의 상황에서 복음전파에 대한 이해를 살핀다. 이 연구는 특히 세속화된 사회 환경에서 개인의 경험과 실질적인 문제 해결의 중요성을 강조되는 현대사회 의 특성을 고려하며, 한국교회 전도가 연역적 방식에서 귀납적 방식으로 전환하고 있음을 다룬다. 생태-전도는 생태 신학과 귀납적-사명 모델의 학제간 대화를 통한 융복합 접근 방식으로 이해되며, 이 접근법의 공통 가치에는 상호 의존성, 지속 가능성, 사회 정의, 그리고 적극적인 커뮤니티 참여가 포함된다. 한국기독교에서의 세 가지 사례연구를 통해, 이 연구는 생태-전도가 실제로 어떻게 실행되는지를 보여주며, 환경 복원 노력에 비신자들을 참여시키고 의미 있는 방식으로 복음을 경험하게 함으로써 생명 중심의 복음전파를 촉진하고자 한다. 결론적으로, 생태-전도는 기독 교인들이 그들의 행동을 통해 복음의 가르침을 구현하고, 생태위기에 대응 하는 것이 그들의 더 넓은 세계적 사명의 중요한 부분임을 인식하도록 촉구한다.

이 연구는 중국의 성공적인 실경 공연 작품의 비즈니스 모델을 분석함 으로써 향후 한·중 양국의 실경공연 발전을 위한 전략을 제시하고자 하 였다. 이를 위해 Osterwalder & Pigneur(2010)에 의해 고안된 비즈니 스 모델 캔버스를 활용해 최근 중국 현지에서 가장 성공적이라고 평가받 는 <판타지아·하남>을 분석하였다. 분석 결과, 일반적인 실경공연과 달리 <판타지아·하남>의 관객은 지역문화에 관심이 있는 젊은 사람들이 주를 이루었으며, 지역문화를 활용해 공연을 제작하고, 입소문 마케팅 및 홍보 를 적극적으로 전개하고 있었다. 또한 수익원으로는 호텔, 문화상품 판매 등 다양한 수익원을 발굴하는 데 주안점을 두고 있었다. 이와 같은 연구 결과가 시사하는 바는 첫째 공연 내용은 전략적으로 그 지역 특유의 문 화에 집중해야 하며, 둘째 수익원의 다각화가 필요하고, 셋째, 온·오프라 인의 홍보를 강화해야 하며, 마지막으로 그 지역의 현지인의 배우들을 육성하는 노력이 병행돼야 한다. 본 연구가 한국 및 중국 실경공연 시장 의 성장에 기여할 수 있기를 기대한다.

본 연구에서는 건강신념모델(HBM) 구조를 통해 자외선차단제 사용에 대한 국내 인구의 태 도를 평가하였으며, 자외선차단제 사용에 영향을 미치는 심리적 요인을 조사하였다. 이를 위해 2023년 11월 1일부터 2024년 1월 1일까지 온라인 설문조사를 실시하여 총 303명의 자료를 수집하였다. 수집된 데이터는 SPSS v. 25.0 program을 이용하여 Cronbach's α, 빈도분석, 기술통계분석, 상관관계분석, 독 립표본 t-test, One way ANOVA, Scheffe's test, 그리고 다중회귀분석이 실시되었다. 연구 결과 자외선 차단제 사용에 대한 평균 점수는 5점 만점에 3.26±1.384로 나타났으며 건강신념모델 변수와 자외선차 단제 사용 간에는 서로 유의한 상관관계가 있는 것으로 나타났다(p<.01). 성별, 연령, 피부색에도 각 변 수들 간에 차이가 있었으며 그중 여성, 연장자, 밝은 피부색을 가진 집단에서 자외선 보호에 적극적인 성향을 보였다. 다중회귀분석 결과 건강신념모델의 하위요인별 자기효능감(β=.629, p<.001), 인지된 취 약성(β=.139, p<.001)이 자외선차단제 사용에 통계적으로 유의미한 정(+)의 영향을 미치는 것으로 나타 났고, 인지된 장벽(β=-.261, p<.001)은 자외선차단제 사용에 통계적으로 유의미한 부(-)의 영향을 미치 는 것으로 나타났다. 이러한 결과는 자외선 차단에 영향을 미치는 심리사회적 요인들을 제공함으로써, 자외선차단제 사용을 촉진하기 위한 교육 프로그램을 개발하고 시행하는 데 중요한 이론적 시사점을 제 공할 수 있다.

수산자원의 지속 가능한 관리와 증대는 전 세계적으로 중요한 이슈로 부상하고 있으며, 본 연구는 이에 대응하는 한국수산자 원공단의 수산자원 현존량 추정을 위한 딥러닝 기반 수산자원 증대사업 효과조사 기법 개발을 위해 구성 기술 중 하나인 어류 탐지 및 분류 모델 구축과 성능 비교를 수행하였다. 다양한 크기의 YOLOv8-Seg 모델에 어류 이미지 데이터셋을 학습한 후 각 성능평가 지표를 비 교 분석하여 적용 가능한 최적의 모델을 선정하고자 하였다. 모델 구축에 사용된 자료는 총 12종의 어류로 이루어진 36,749장의 이미지와 라벨 파일로 이루어지며, 학습에는 증강을 적용하여 데이터의 다양성을 증가시켰다. 동일한 환경 및 조건에서 총 다섯 개의 YOLOv8-Seg 모델을 학습 및 검증한 결과 중간 크기의 YOLOv8m-Seg 모델이 가장 짧은 13시간 12분의 학습 시간과     0.933, 추론 속도 9.6 ms로 높은 학습 효율성과 우수한 탐지 및 분류 성능을 보였으며, 각 지표 간의 균형을 고려할 때 실시간 처리 요구사항을 충족하는 가장 효율 적인 모델로 평가되었다. 이와 같은 실시간 어류 탐지 및 분류 모델을 활용하여 효율적인 수산자원 증대사업의 효과조사가 가능할 것으 로 보이며, 지속적인 성능 개선 및 추가적인 연구가 필요할 것으로 사료된다.

이미지 분석을 통한 재료의 상 구분은 재료의 미세구조 분석을 위해 필수적이다. 이미지 분석에 주로 사용되는 마이크로-CT 이미 지는 대체로 재료를 구성하고 있는 상에 따라 회색조 값이 다르게 나타나므로 이미지의 회색조 값 비교를 통해 상을 구분한다. 순환골 재의 고체상은 수화된 시멘트풀과 천연골재로 구분되는데, 시멘트풀과 천연골재는 CT이미지 상에서 유사한 회색조 분포를 보여 상 을 구분하기 어렵다. 본 연구에서는 Unet-VGG16 네트워크를 활용하여 순환골재 CT 이미지로부터 천연골재를 분할하는 자동화 방법 을 제안하였다. 딥러닝 네트워크를 활용하여 2차원 순환골재 CT 이미지로부터 천연골재 영역을 분할하는 방법과 이를 3차원으로 적 층하여 3차원 천연골재 이미지를 얻는 방법을 제시하였다. 선별된 3차원 천연골재 이미지에서 각각의 골재 입자를 분할하기 위해 이 미지 필터링을 사용하였다. 골재 영역 분할 성능을 정확도, 정밀도, 재현율 F1 스코어를 통해 검증하였다.