We analyzed research topics, temporal distribution of field sites, and researcher network of 1,508 limnology publications in the Korean Journal of Limnology (1968~2012) and the Korean Journal of Ecology and Environment (2013~2017). We found that water quality and sediment, phytoplankton, invertebrates, and fish were major subjects during the study periods. Survey of flora and fauna and physiological experiment of freshwater species were the largest subjects during 1970~80s, while other subjects including production, behavior, modeling, and ecological assessment have been rapidly increased since the 1990s. Most of the biological taxa equally studied lotic and lentic system, however, invertebrates and fish related studies more focused on the lotic system. Spatially, the field site of Korean limnology studies was found to be concentrated in main river channels runs through urban areas and artificial lakes than preserved natural areas. Freshwater system, located at the elevation range of 301~400m(upstream of main channels), had the lowest number of field sites. Collaboration among researchers and different institution types have been steadily increased and expanded as the number of publications increased.

In this paper, we propose an Elman recurrent neural network to predict and analyze a time series of power energy consumption. To this end, we consider the volatility of the time series and apply the sample variance and the detrended fluctuation analyses to the volatilities. We demonstrate that there exists a correlation in the time series of the volatilities, which suggests that the power consumption time series contain a non-negligible amount of the non-linear correlation. Based on this finding, we adopt the Elman recurrent neural network as the model for the prediction of the power consumption. As the simplest form of the recurrent network, the Elman network is designed to learn sequential or time-varying pattern and could predict learned series of values. The Elman network has a layer of “context units” in addition to a standard feedforward network. By adjusting two parameters in the model and performing the cross validation, we demonstrated that the proposed model predicts the power consumption with the relative errors and the average errors in the range of 2%~5% and 3kWh~8kWh, respectively. To further confirm the experimental results, we performed two types of the cross validations designed for the time series data. We also support the validity of the model by analyzing the multi-step forecasting. We found that the prediction errors tend to be saturated although they increase as the prediction time step increases. The results of this study can be used to the energy management system in terms of the effective control of the cross usage of the electric and the gas energies.

본 논문에서는 유통 농산물 잔류농약 부적합 현황 분석을 위하여 네트워크 분석 기법을 적용하였다. 분석용 데이터는 『2017년도 식품안전관리지침』내 “유통농산물별 잔류농약 부적합 현황”을 참고하였으며, 주요 분석 기법 으로는 중심성 분석(연결정도 중심성, 근접 중심성, 매개 중심성)을 적용하였다. 연결정도 중심성 분석결과 chlorpyrifos와 diazinon에서 “연결된 노드”가 가장 많은 것으로 확인되었다. 근접 중심성에서는 19종을 제외한 농약성분들 사이에서 유사한 정도를 보여주고 있었다. 매개 중심 성 분석 결과에서는 fluioxonil과 chlorpyrifos가 가장 높은 경향을 보여주어 이들이 농약성분 네트워크에서 “가교” 역 할을 수행 하는 것으로 파악되었다. 네트워크 분석 결과, 기존의 통계분석을 통해서는 분석 할 수 없었던 농약성분 들 사이의 “관계” 데이터를 확인 할 수 있었다. 향후 이러한 분석기법은 최적화/정교화 과정을 통해서 보다 정밀하게 농약성분 부적합 현황 분석을 위한 도구로서 적용되리라 기대한다.

This paper presents the novel observation model, called Modified Spherical Signature Descriptor(MSSD), capable of representing 2D image generated from 3D point cloud data. The Modified Spherical Signature Descriptor has a uniform mesh grid to accumulate the occupancy evidence caused by neighbor point cloud data. According to a kind of area such as wall, road, tree, car, and so on, the evidence pattern of 2D image looks so different each other. For the parameter learning of Convolutional Neural Network(CNN) layers, these 2D images were applied as the input layer. The Convolutional Neural Network, one of the deep learning methods and familiar with the image analysis, was utilized for the urban structure classification. The case study on CNN practice was introduced in detail in this paper. The simulation results shows that the classification accuracy of CNN with 2D images of the proposed MSSD was improved more than the traditional methods' one.

PURPOSES: This study examines the performance changes of road networks according to the strength of a disaster, and proposes a method for estimating the quantitative resilience according to the road-network performance changes and damage scale. This study also selected highinfluence road sections, according to disasters targeting the road network, and aimed to analyze their hazard resilience from the network aspect through a scenario analysis of the damage recovery after a disaster occurred. METHODS: The analysis was conducted targeting Sejong City in South Korea. The disaster situation was set up using the TransCAD and VISSIM traffic-simulation software. First, the study analyzed how road-network damage changed the user’s travel pattern and travel time, and how it affected the complete network. Secondly, the functional aspects of the road networks were analyzed using quantitative resilience. Finally, based on the road-network performance change and resilience, priority-management road sections were selected. RESULTS: According to the analysis results, when a road section has relatively low connectivity and low traffic, its effect on the complete network is insignificant. Moreover, certain road sections with relatively high importance can suffer a performance loss from major damage, for e.g., sections where bridges, tunnels, or underground roads are located, roads where no bypasses exist or they exist far from the concerned road, including entrances and exits to suburban areas. Relatively important roads have the potential to significantly degrade the network performance when a disaster occurs. Because of the high risk of delays or isolation, they may lead to secondary damage. Thus, it is necessary to manage the roads to maintain their performance. CONCLUSIONS : As a baseline study to establish measures for traffic prevention, this study considered the performance of a road network, selected high-influence road sections within the road network, and analyzed the quantitative resilience of the road network according to scenarios. The road users’passage-pattern changes were analyzed through simulation analysis using the User Equilibrium model. Based on the analysis results, the resilience in each scenario was examined and compared. Sections where a road’s performance loss had a significant influence on the network were targeted. The study results were judged to become basic research data for establishing response plans to restore the original functions and performance of the destroyed and damage road networks, and for selecting maintenance priorities.

We investigated the neural representation of reward probability recognition and its neural connectivity with other regions of the brain. Using functional magnetic resonance imaging (fMRI), we used a simple guessing task with different probabilities of obtaining rewards across trials to assay local and global regions processing reward probability. The results of whole brain analysis demonstrated that lateral prefrontal cortex, inferior parietal lobe, and postcentral gyrus were activated during probability-based decision making. Specifically, the higher the expected value was, the more these regions were activated. Fronto-parietal connectivity, comprising inferior parietal regions and right lateral prefrontal cortex, conjointly engaged during high reward probability recognition compared to low reward condition, regardless of whether the reward information was extrinsically presented. Finally, the result of a regression analysis identified that cortico-subcortical connectivity was strengthened during the high reward anticipation for the subjects with higher cognitive impulsivity. Our findings demonstrate that interregional functional involvement is involved in valuation based on reward probability and that personality trait such as cognitive impulsivity plays a role in modulating the connectivity among different brain regions.

최근 머신러닝은 빅데이터에 대한 분석방법으로서 학습을 통한 지능화된 문제해결 방안으로서 관심이 증가하고 있다. 본 논문은 LBSN 데이터와 머신러닝 방식을 이용하여 토지이용현황을 파악하는 분석을 시도하였다. 도시계획에 있어서 토지이용현황의 파악은 직접적인 현장 조사에 의존해 왔다. 최근 스마트폰 사용자가 증가하면서 등장하고 있는 위치기반 소셜미디어의 자료들 은 토지이용의 상황을 반영하는 빅데이터로서, 머신러닝 방법론은 이들에 대한 자동화된 분석을 할 수 있게 한다. 본 연구에서는 LBSN 자료와 머신러닝 기법을 이용하여 토지이용을 예측하는 모델을 개발하여 실제 토지이용현황 자료와의 비교분석을 수행하였다. 이러한 분석을 통해 LBSN자료를 이용한 토지이용현황의 자동화된 분석 방안에 대해 연구하였다.

본 연구는 기상청의 기상레이더 관측망을 이용한 하이브리드 고도면 강우추정 기법 기반의 새로운 정량적 합성강수량 추정 방법을 제시한다. HSR기법은 지형클러터, 빔차폐, 비 기상 에코 및 밝은 띠의 영향을 받지 않는 하이브리드 고도면의 반사도를 합성하는 것이 특징이다. HSR 합성반사도는 정적 HSR (STATIC)과 단일편파레이더에 대한 퍼지로직 기법과 이중편파레이더에 대한 시선방향 질감 기반의 품질관리 절차를 사용하는 동적 HSR (DYNAMIC) 합성으로 구분된다. STATIC과 DYNAMIC은 2014년 5월부터 10월까지 10개의 강우 사례에 대해 기상청 현업용 합성강우 (MOSAIC)와 비교검증 하였다. 차폐 영역에서 STATIC, DYNAMIC, MOSAIC의 상관계수는 각각 0.52, 0.78, 0.69이며 평균 상대 오차는 각각 34.08, 30.08, 40.71%로 분석되었다.

광도, 포차와 같은 환경요인과 엽면적 지수와 같은 생육요인은 증산 속도를 변화시키는 중요한 변수이다. 본 연구에서는 Penman-Monteith의 증산 모델과 인공신경망 (ANN)에 학습에 의한 증산속도 추정값을 비교하는 것을 목표로 하였다. 파프리카(Capsicum annuum L. cv. Fiesta)의 증산속도 추정은 로드셀을 이용한 배지의 중량 변화를 통해 계산하였다. 온도, 상대습도, 배지 중량 데이터는 1분 단위로 2개월간 수집하였다. 증산량은 일차식으로는 정확한 추정이 어렵기 때문에, 기존의 Penman-Monteith식에 보정 광도를 사용한 수정식 Shin 등(2014)을 사용하였다. 이와는 별개로 ANN을 사용하여 증산량을 추정 비교하였다. 이를 위하여 광도, 온도, 습도, 엽면적지수, 시간을 사용한 입력층과 5개의 은닉층으로 구성된 ANN을 구축하였다. 각 은닉층의 퍼셉트론 개수는 가장 정확성이 높은 512개로 하였다. 검증 결과, 보정된 Penman-Monteith 모델식의 R2 = 0.82이었고, ANN의 R2 = 0.94로 나타났다. 따라서 ANN은 일반적인 모델식에 비해 정확한 증산량 추정이 가능한 것으로 나타났고, 추후 수경재배의 효율적인 관수전략 수립에 있어 적용 가능할 것으로 판단되었다.

디스플레이 기술이 다양한 상품으로 점차 발전함에 따라 소비자가 선호하는 디스플레이 유형을 선택할 수 있는 효과적이고 객관적인 비교 평가 방법이 필요하다. 그러나 객관적이고 주관적인 디스플레이 품질 평가 방법은 디스플레이가 상이한 특성을 가지므로 다양한 디스플레이에서 일반적으로 유사하지 않다. 이에, 본 논문은 상대적으로 특성이 서로 다른 디스플레이의 인지 화질 평가를 위해 분석 네트워크 프로세스 (ANP)를 사용하여 이들 디스플레이의 상대적 화질 을 평가할 수 있는 체계적인 시스템을 제안한다. 제안된 평가 방법의 검증은 4 개의 모바일 디스플레이를 사용하여 평가 되었고, 주관적 평가와 제안한 방법의 선호도가 일치함을 보였다.

Deep learning techniques have been studied and developed throughout the medical, agricultural, aviation, and automotive industries. It can be applied to construction fields such as concrete cracks and welding defects. One of the best performing techniques of deep running is CNN technique. CNN means convolutional neural network. In this study, we analyzed crack recognition of sewer with low recognition. Deep learning is generally more accurate with deeper layers, but analysis cost is high. In addition, many variations can occur depending on training options. Therefore, this study performed many parametric studies according to the variations of training options. When analyzed with appropriate training options, the accuracy was over 90% and stable results were obtained

본 연구에서는 각기 다른 두 제조사의 AgNW를 활용하여 스핀코팅 속도, 열처리 온도 및 방법 그리고 PDMS코팅 속도에 따른 AgNW/PDMS composite공정 연구를 실시하였다. 실험결과 peel off 특성에 영향을 미치는 인자로 건조방식이 주요하게 작용하며 공정온도 또한 전극 특성에 영향을 주었다. 핫플레이트를 사용한 건조방식은 한방향 열전달로 인해 PDMS를 충분히 건조시키지 못하였지만 오븐 건조를 통해 그 결점을 보완할 수 있었다. 또한, PDMS 코팅속도가 증가함에 따라 스트레처블 특성이 향상되었고 GF는 0.03에서 0.07로 약 100정도 향상되었다.

The major purpose of this study is to find and analyze the characteristics of Fisheries Business Administration Research based on using social network analysis. This study examines every paper of The Journal of Fisheries Business Administration from 2007 to 2016. This study analyzes fisheries business administration research through bibliometric data including research trends, researcher characteristics, and key words. The 229 source articles are all papers published from 2007 to 2016 in The Journal of Fisheries Business Administration in Korea. Comparing with previous research, the major research areas of Korean fisheries business administration have a little changed and the topics of recent research are much diversified. Through basically based on frequency analysis and SNA(Social Network Analysis) method, most of the bibliographical characteristics were founded. And based on the result of this study showed that 1) increasement on number of researcher and organization 2) climate change and economic related topics are most popular terms 3) DEA is most adopted methodology in recent papers 4) joint research among the organizations has somewhat been increased 5) human resource management, history of fisheries management and education still have been conducted in terms of sustainability.

본 연구는 혁신주체 간 협력이 기술혁신 성과에 미치는 영향을 알아보기 위해 사회네트워크분석 및 분산분석 그리고 회귀분석을 실시하였다. 2009년부터 2012년까지 한국 특허청의 공동 출원인 자료를 토대로 네트워크 구조 변수 및 특성 변수를 도출하였다. 이를 통해 전체 네트워크의 구조적 유형, 혁신주체 별 역할 그리고 혁신 성과에 영향을 미치는 네트워크 특성 변수가 무엇인지를 실증 분석하였다. 분석결과를 요약하면 다음과 같다. 첫째, 특허 공동출원 인 네트워크는 비교적 소규모 그룹들이 산재해 있는 분산집중형 좁은세상 네트워크 구조이며 혁신주체들이 비교적 느슨하게 연결되어 있었다. 둘째, 특허 공동출원인 네트워크에서 가장 중심적인 역할을 하는 것은 대학교로 밝혀졌으나 협력 파트너의 다양성은 모든 혁신주체가 비슷하였다. 셋째, 익숙한 몇몇 협력 파트너로부터 얻는 신속하고 정확성이 높은 지식이 다양한 분야의 협력 파트너로부터 얻는 생소한 지식보다 성과를 창출하는 데에 보다 긍정적이었다.

발언행동은 비효율성을 유발하는 문제를 식별하고 외부 환경의 변화에 적응할 수 있는 역량을 강화하 여 조직과 팀의 기능에 긍정적인 역할을 하는 것으로 평가되고 있다. 하지만 발언행동이 발언자의 성과평 가에 미치는 영향에 대해서는 긍정적인 연구결과와 부정적인 연구결과가 혼재되어 나타나고 있다. 연구 자들은 발언행동의 양면성을 고려하면서 발언행동의 효과성을 보다 정확하게 이해하기 위하여 주로 상황 적 접근을 해오고 있다. 본 연구는 이러한 선행연구의 연장선상에서 발언행동이 발언자의 성과평가에 영 향을 미치는 과정에 대한 팀 내 업무갈등과 관계갈등, 그리고 팀 네트워크 밀도의 조절효과를 이론화하고 실증하였다. 가설검증을 위한 자료는 44개 팀에 속한 211명을 대상으로 실시한 실험적 시뮬레이션을 통해 수집되었다. 분석 결과, 관계갈등이 높은 팀에서는 발언행동이 개인 성과평가에 부정적인 영향을 미치고, 관계갈등이 낮은 팀에서는 발언행동이 개인 성과평가에 긍정적인 영향을 미치는 것으로 확인되었다. 그 리고 팀 네트워크 밀도가 높은 팀에서는 발언행동이 개인 성과평가에 긍정적인 영향을 미치고, 팀 네트워 크 밀도가 낮은 팀에서는 발언행동이 개인 성과평가에 부정적인 영향을 미치는 것으로 나타났다. 하지만 발언행동과 개인 성과평가 간의 관계에서 업무갈등의 조절효과는 유의하지 않은 것으로 확인되었다. 본 연구는 기존에 시도되지 않았던 맥락적 변수인 팀 내 갈등과 팀 네트워크 밀도를 조절변수로 고려함으로 써 발언행동 연구의 범위를 확대하였다는 점에서 이론적으로 중요한 의미를 갖는다. 연구 결과를 바탕으 로 이론적 의의와 실무적 의의, 그리고 연구의 한계와 향후 연구를 위한 제언을 제시하였다.

In this study, a model was developed to predict for Disinfection By-Products (DBPs) generated in water supply networks and consumer premises, before and after the introduction of advanced water purification facilities. Based on two-way ANOVA, which was carried out to statistically verify the water quality difference in the water supply network according to introduce the advanced water treatment process. The water quality before and after advanced water purification was shown to have a statistically significant difference. A multiple regression model was developed to predict the concentration of DBPs in consumer premises before and after the introduction of advanced water purification facilities. The prediction model developed for the concentration of DBPs accurately simulated the actual measurements, as its coefficients of correlation with the actual measurements were all 0.88 or higher. In addition, the prediction for the period not used in the model development to verify the developed model also showed coefficients of correlation with the actual measurements of 0.96 or higher. As the prediction model developed in this study has an advantage in that the variables that compose the model are relatively simple when compared with those of models developed in previous studies, it is considered highly usable for further study and field application. The methodology proposed in this study and the study findings can be used to meet the level of consumer requirement related to DBPs and to analyze and set the service level when establishing a master plan for development of water supply, and a water supply facility asset management plan.