목적 : 본 연구는 소셜네트워크서비스(Social Network Service; SNS) 이용 여부에 따른 장애인의 장애수용, 우울, 자아 존중감과 삶의 만족도를 비교하고 SNS를 이용하는 장애인의 삶의 만족도에 장애수용, 자아존중감, 우울, SNS 활용도가 어떠한 영향을 미치고 있는지 알아보고자 한다. 연구방법 : 본 연구는 한국장애인개발원의 장애인삶 3차 패널조사(2020년)를 활용하였다. SNS 이용 여부에 따른 장애인 의 장애수용, 우울, 자아존중감, 삶의 만족도를 비교하기 위해서 독립표본 t-검정을 실시하였다. SNS를 이용하는 장애 인의 삶의 만족도와 장애수용, 우울, 자아존중감, SNS 활용도의 상관관계를 분석하기 위해서 피어슨 상관분석을 실시하 였다. SNS를 이용하는 장애인의 삶의 만족도에 영향을 주는 요인을 분석하기 위해서 다중회귀분석을 실시하였다. 결과 : SNS를 이용하는 장애인이 이용하지 않은 장애인보다 장애수용, 자아존중감, 삶의 만족도는 높고 우울은 낮은 것 으로 나타났으며, SNS를 이용하는 장애인의 삶의 만족도는 장애수용, 우울, 자아존중감, SNS 활용도, 삶의 만족도와 상 관관계를 보였다. 또한, SNS를 이용하는 장애인의 삶의 만족도에 영향을 주는 요인으로는 성별, 우울, 자아존중감, SNS 활용도로 나타났다. 결론 : SNS는 장애인의 삶의 만족도에 긍정적인 영향을 미치는 것을 확인하였다. 따라서, 장애인의 삶의 만족도를 높이 기 위해 SNS의 접근성과 활용성을 높일 수 있는 중재 전략과 보조기기의 개발이 필요할 것으로 보인다.

Determining the size or area of a plant's leaves is an important factor in predicting plant growth and improving the productivity of indoor farms. In this study, we developed a convolutional neural network (CNN)-based model to accurately predict the length and width of lettuce leaves using photographs of the leaves. A callback function was applied to overcome data limitations and overfitting problems, and K-fold cross-validation was used to improve the generalization ability of the model. In addition, ImageDataGenerator function was used to increase the diversity of training data through data augmentation. To compare model performance, we evaluated pre-trained models such as VGG16, Resnet152, and NASNetMobile. As a result, NASNetMobile showed the highest performance, especially in width prediction, with an R_squared value of 0.9436, and RMSE of 0.5659. In length prediction, the R_squared value was 0.9537, and RMSE of 0.8713. The optimized model adopted the NASNetMobile architecture, the RMSprop optimization tool, the MSE loss functions, and the ELU activation functions. The training time of the model averaged 73 minutes per Epoch, and it took the model an average of 0.29 seconds to process a single lettuce leaf photo. In this study, we developed a CNN-based model to predict the leaf length and leaf width of plants in indoor farms, which is expected to enable rapid and accurate assessment of plant growth status by simply taking images. It is also expected to contribute to increasing the productivity and resource efficiency of farms by taking appropriate agricultural measures such as adjusting nutrient solution in real time.

본 연구는 천관산도립공원의 식물사회 특성을 파악하고 지속가능한 식생관리와 도립공원 연구에 필요한 기초자료를 구축하 기 위해 수행되었다. 천관산도립공원을 대상으로 126개의 방형구를 설치하여 출현한 목본수종을 조사하였고 희소종을 제외한 종을 중심으로 종간결합분석을 실시하였다. 그 결과를 Gephi 0.10 프로그램을 이용하여 소시오그램으로 작성하였으며, 인접 한 노드 간 그룹을 나누어주는 모듈화 분석과 네트워크 중심성 및 구조분석을 실시하였다. 분석 결과, 조사된 방형구 내 출현빈도는 청미래덩굴이 가장 높게 나타났고, 졸참나무, 사스레피나무, 때죽나무, 조릿대 등의 순으로 높게 나타났다. 희소종 을 제외한 69종에 대해 종간결합분석을 실시하였고, 양성결합을 토대로 식물사회네트워크를 시각화하였다. 식물사회네트워크 는 69개의 노드와 396개의 연결선으로 구성되어 있으며, 한 수종이 평균 약 17.9종과 종간결합을 맺으며 2.3단계 만에 서로 간 연결되었다. 69종은 모듈화 분석을 통해 3개의 그룹으로 나뉘었으며, 1그룹은 주로 상록활엽수 및 난온대 지역에서 출현하는 수종으로 이루어졌으며, 2그룹은 낙엽활엽수 위주로 이루어졌다. 3그룹은 주로 햇빛이 잘 들고 건조한 양지에서 잘 자라는 수종으로 나뉘었다.

선박 발전기의 여자기는 출력 단자 전압을 일정하게 유지하기 위하여 여자전류 제어를 통해 자속을 조정한다. 여자기 내부에 있는 전압제어기는 통상적으로 비례 적분 제어방식이 사용되는데 게인과 시정수에 의해 결정되는 응답 특성은 적절치 못한 설정값에 의 해 원하지 않는 출력을 내며 이로 인해 선내 전력의 품질과 안정성을 떨어뜨릴 수 있다. 본 논문에서는 IEEE에서 제공하는 AC4A 타입의 여자기 모델을 통해 얻을 수 있는 안정적인 입출력 데이터를 활용하여 신경망 회로를 학습시킨 후 기존의 비례 적분 제어방식의 전압제 어기를 학습된 신경망 회로 제어기로 대체하여 시뮬레이션을 수행하였다. 그 결과 기존 대비 최대 9.63%까지 오버슈팅이 개선되었으며, 안정적인 응답 특성에 대한 우수성을 확인하였다.

새만금 내에서는 종종 식물플랑크톤이 증식하기에 알맞은 환경조건이 생성되며 일시에 식물플랑크톤 대증식이 발생하면서 조 류 관리기준을 초과하는 사례가 발생하고 있다. 이를 대비하기 위하여 과학적 예측기법을 토대로, 식물플랑크톤의 종별로 가장 효과적이 고 효율적인 녹조발생 억제 방안을 제안하기 위하여 식물플랑크톤 대증식 가능성을 예측하고, 제어할 수 있는 모델을 개발하였다. 즉, 하 천에서 유입하는 영양염(DIN, PO4-P)을 정책적으로 조절하고, 갑문운영을 통해 호 내 염분을 제어하는 것이다. 먼저 관측치로부터 인공신 경망 알고리즘을 이용해 식물플랑크톤 대증식 가능성을 예측 결과, 모델의 Kappa 수는 0.7889 ~ 1.0000의 범위로, good ~ excellent 수준이었 다. 다음으로 Garson 알고리즘을 이용하여 종별로 설명변수의 중요도를 평가하였고, 또한 DIN 및 염분 값의 변화에 따른 식물플랑크톤 대 량 증식 확률을 예측하였다. 그 결과, 각 종별로 식물플랑크톤의 대증식을 억제할 수 있는 DIN과 염분 농도를 정량적으로 예측할 수 있었 다. 따라서, 향후 새만금과 같은 거대한 인공 호수에서 식물플랑크톤의 대증식을 억제하기 위한 효율적이고 효과적인 대응방안을 마련할 수 있도록 녹조제어모델을 활용할 수 있을 것으로 판단된다.

In factory automation, efforts are being made to increase productivity while maintaining high-quality products. In this study, a CNN network structure was designed to quickly and accurately recognize a cigarette located in the opposite direction or a cigarette with a loose end in an automated facility rotating at high speed for cigarette production. Tobacco inspection requires a simple network structure and fast processing time and performance. The proposed network has an excellent accuracy of 96.33% and a short processing time of 0.527 msec, showing excellent performance in learning time and performance compared to other CNN networks, confirming its practicality. In addition, it was confirmed that efficient learning is possible by increasing a small number of image data through a rotation conversion method.

코로나 펜데믹 이전부터 한국교회는 정체되거나 축소되고 있었고, 선교사의 신규 유입은 둔화되고 있다. 세계정세는 탈세계화를 선언하며 현재의 예측이 불가능하고 미래 생존을 담보하기 어려워졌다. 이런 내외적 어려움을 극복하기 위해 지속가능한 선교를 위한 조직문화 개선과 선교사 지원 업무를 강화하는 선교사 멤버 케어를 장기적인 관점에서 바라볼 필요가 생겼다. 다음 세대 준비, 인적자원 개발, 전문가 지원, 정보교류를 강화하기 위한 도전에 직면하였다. 4차 산업 혁명 혁신의 중심에 있는 디지털 트랜스포메이션을 선교와 접목하고, 네트워크를 활용한 클라우드 기반의 상용 시스템을 구축하여 적은 자원으로 보다 많은 서비스를 제공하며, 선교사 코칭과 성장을 돕고, 선교 협업을 이루는 선교 플랫폼 구축을 제안한다. 궁극적으로, 선교 플랫폼은 1세대 선교사의 경험을 축적하여 선교사들에게 보다 빠르고 편리한 서비스를 제공하며 한국교회의 선교적 교회를 돕는 도구가 될 수 있을 것이다.

원자력발전소 지진 확률론적 안전성 평가인 PSA(Probabilistic Safety Assessment)는 오랜 기간에 걸쳐 확고히 구축되어 왔다. 반면 에 다양한 공정 기반의 산업시설물의 경우 화재, 폭발, 확산(유출) 재난에 대해 주로 연구되어 왔으며, 지진에 대해서는 상대적으로 연 구가 미미하였다. 하지만, 플랜트 설계 당시와 달리 해당 부지가 지진 영향권에 들어갈 경우 지진 PSA 수행은 필수적이다. 지진 PSA 를 수행하기 위해서는 확률론적 지진 재해도 해석(Probabilistic Seismic Hazard Analysis), 사건수목 해석(Event Tree Analysis), 고장수 목 해석(Fault Tree Analysis), 취약도 곡선 등을 필요로 한다. 원자력 발전소의 경우 노심 손상 방지라는 최우선 목표에 따라 많은 사고 시나리오 분석을 통해 사건수목이 구축되었지만, 산업시설물의 경우 공정의 다양성과 최우선 손상 방지 핵심설비의 부재로 인해 일 반적인 사건수목 구축이 어렵다. 따라서, 본 연구에서는 산업시설물 지진 PSA를 수행하기 위해 고장수목을 바탕으로 확률론적 시각 도구인 베이지안 네트워크(Bayesian Network, BN)로 변환하여 리스크를 평가하는 방법을 제안한다. 제안된 방법을 이용하여 임의로 생성된 가스플랜트 Plot Plan에 대해 최종 BN을 구축하고, 다양한 사건 경우에 대한 효용성있는 의사결정과정을 보임으로써 그 우수 성을 확인하였다.

본 논문에서는 3차원 엮임 재료의 재료 물성치들을 효율적으로 분석하고 추후 최적설계 연구에 활용하기 위해서 파라메트릭 배치 해석 워크플로우를 제시하였다. 3차원 엮임 재료를 구성하는 와이어들 사이의 간격을 설계 매개변수로 하는 파라메트릭 모델에 대해 서 임의의 변수 조합을 가지는 2,500개의 수치 모델을 생성하였으며, 상용 프로그램인 매트랩과 앤시스의 여러 모듈을 사용하여 체적 탄성계수, 열전도도, 유체투과율과 같은 다양한 재료 물성치들을 배치 해석을 통해서 자동으로 얻어질 수 있도록 구성하였다. 이와 같 이 얻어진 대용량의 재료 물성치 데이터베이스를 활용해서 회귀 분석을 수행하였으며, 그 결과 설계 변수들과 재료 물성치 사이의 경 향성과 수치 해석 결과의 정확도를 검증하였다. 또한 확보된 데이터베이스를 통해서 3차원 엮임 재료의 물성치를 예측할 수 있는 인 공 신경망을 구성하고 학습시켰으며, 그 결과 임의의 설계 매개변수 값들을 가지는 엮임 재료 모델에 대해서 구조 및 유체해석 과정 없 이도 높은 정확도로 재료 물성치들을 추정할 수 있음을 확인하였다.

본 논문에서는 볼트로 체결된 구조체에 대하여 초기 볼트풀림 상태에서의 볼트 체결력 예측 합성곱 신경망 훈련 방법을 제시한다. 8개의 볼트의 체결력이 변경된 상태에서 계산한 주파수응답들을 완전 체결된 상태의 초기 모델과의 크기 및 모양 유사성을 표현하는 유사성 지도로 생성한다. 주파수응답 데이터들의 생성에는 크리로프 부공간법 기반의 모델차수축소법을 적용하여 효율적인 방법으 로 수행할 수 있도록 한다. 합성곱 신경망 모델은 회귀 출력 계층을 사용하여 볼트의 체결력을 예측하도록 하였으며, 훈련 데이터의 개 수와 합성곱 신경망 계층의 개수를 다르게 준비하여 훈련시킨 네트워크들을 비교하여 그 성능을 평가하였다. 주파수응답에서 파생되 는 유사성 지도를 입력 데이터로 사용하여 초기 볼트풀림 영역에서 볼트 체결력의 진단 가능성과 유효성을 제시하였다.

PURPOSES : This study aims to develop and validate timing transition techniques for real-time traffic signal operations, departing from conventional methods based on past commuting traffic patterns. METHODS : In this study, we propose two traffic signal transition techniques that can perform transitions while minimizing disruptions within a short period. The Proposed 1 technique involves an unconditional transition within one cycle and allows for the allocation of offset changes to both the coordinated and non-coordinated phases. The Proposed 2 technique performs transitions within 1-2 cycles based on the offset change rate and considers the non-coordinated phase for allocating offset changes. RESULTS : Functional improvements of the proposed techniques were validated. For validation, simulated traffic signal transition scenarios were created, and a comparative analysis of the transition techniques was performed based on the selected analysis approaches. The results showed that the Proposed 1 technique exhibited the lowest delay during the approximated saturated transitions, whereas the Subtract technique showed the lowest delay during the non-saturated transitions. CONCLUSIONS : These findings emphasize the importance of selecting and applying appropriate transition techniques tailored to individual traffic scenarios. The proposed transition techniques provide valuable insights for improving real-time traffic signal operations, and contribute to the overall efficiency and effectiveness of traffic management in highway corridors.

In this study, based on the saturation magnetic flux density experimental values (Bs) of 622 Fe-based bulk metallic glasses (BMGs), regression models were applied to predict Bs using artificial neural networks (ANN), and prediction performance was evaluated. Model performance evaluation was investigated by using the F1 score together with the coefficient of determination (R2 score), which is mainly used in regression models. The coefficient of determination can be used as a performance indicator, since it shows the predicted results of the saturation magnetic flux density of full material datasets in a balanced way. However, the BMG alloy contains iron and requires a high saturation magnetic flux density to have excellent applicability as a soft magnetic material, and in this study F1 score was used as a performance indicator to better predict Bs above the threshold value of Bs (1.4 T). After obtaining two ANN models optimized for the R2 and F1 score conditions, respectively, their prediction performance was compared for the test data. As a case study to evaluate the prediction performance, new Fe-based BMG datasets that were not included in the training and test datasets were predicted using the two ANN models. The results showed that the model with an excellent F1 score achieved a more accurate prediction for a material with a high saturation magnetic flux density.

Using Social Network Analysis methodology, specifically the Network of Similarity and Response Time Testing as a survey method, we measured and examined, based on conviction strength, the relationships between beliefs in various conspiracy theories. We employ Social Network Analysis (SNA) to uncover conspiracy thinking patterns. SNA facilitates the disclosure of interdependencies among variables and intricate direct and indirect relationships. The network of conspiracy convictions is mapped and scrutinized to discern the clustering of variables, which is achieved using greedy-modularity algorithms. Structural properties, such as nodal and subgroup density, are subsequently calculated to assess the quality of the clusters. A qualitative evaluation explores the semantic meanings underlying the observed patterns. Our analysis revealed strong correlations between the items, indicating that individuals who believe in one conspiracy theory are highly likely to believe in others. Furthermore, Response Time Testing allowed for measuring the level of people's conviction in these beliefs. We discuss the implications of these findings, suggesting that conspiracy theories may serve as a means for individuals to confirm their positions and feelings in society. This insight calls for a reassessment of strategies to address the spread and impact of conspiracy theories, focusing on understanding the psychological and social factors driving belief in multiple conspiracies and the strength of these convictions.

In determining artwork prices, the identification of characteristics of the artist is crucial. While the impact of demographic profiles of artists has been examined in the literature on art pricing, the relationships among artists have been highly disregarded. In the current research, the authors focus on the measures of network centrality derived from group exhibitions in order to investigate their influence on artwork prices. The analysis results suggest that degree centrality and closeness centrality positively affect artwork prices, whereas betweenness centrality has an adverse effect. Moreover, network centrality values play a more important role in explaining artwork prices than historical reputation indexes such as gender, nationality, time elapsed after death, and main residencies of the artists. This study contributes to branding literature, while also providing art marketers with valuable insight into artist branding.

A secure digital platform (SDP) can provide B2B marketers with confidence to use communications technology (CT) and engage in information sharing that facilitates resource utilization. Interlinked digital platforms constitute the company’s ecosystem and barriers in the form of a lack of skills and knowledge in relation to governance and compliance can be overcome through organizational intervention that is external to an individual’s capability of control. A framework for an SDP was developed by utilizing network theory and data were collected via an online survey and analysed (n=207) using SEM, AMOS. Organizational intervention through an SDP can help B2B marketers to increase the organization’s resource capability through improved interaction. It can also help individuals to become pro-actively compliant and be less at risk from various threats (e.g., fake news) as the organization provides a safer digital environment.

In this experimental work, a p-type c-Si (100) substrate with 8 × 8 × 2 mm dimension was taken for TiCN thin-film coating deposition. The whole deposition process was carried out by chemical vapor deposition (CVD) process. The Si substrate was placed within the CVD chamber at base pressure and process pressure of 0.75 and 500 mTorr, respectively, in the presence of TiO2 (99.99% pure) and C (99.99% pure) powder mixture. Later on, quantity of C powder was varied for different set experiments. The deposition of TiCN coating was carried out in the presence of N2– H2–TiCl4–CH3CN gas mixture and 600 ℃ of fixed temperature. The time for deposition was fixed for 90 min with 10 and 5 ℃ min− 1 heating and cooling rate, respectively. Later on, heat treatment process was carried out over these deposited TiCN samples to investigate the changing characteristics. The heat treatment was carried out at 800 ℃ within the CVD chamber in the absence of any gas flow rate. The morphological properties of heat-treated samples have been improved significantly, evidence is observed from SEM and AFM analyses. The structural analysis by XRD has been suggested, upgradation in crystallinity of the heat-treated film as it possessed with sharp and higher intensity peaks. Evidence has been found that the electrochemical properties are enhanced for heat-treated sample. Raman spectroscopy shows that the intensity of acoustic phonon modes predominates the optic phonon modes for untreated samples, whereas for heat-treated samples, opposite trends have been observed. However, significant degradation in mechanical properties for heat-treated sample has been observed compared to untreated sample.

Ship collision accidents not only endanger the safety of ships and personnel, but also may cause serious marine environmental pollution. To solve this problem, advanced technologies have been developed and applied in the field of intelligent ships in recent years. In this paper, a novel path planning algorithm is proposed based on particle swarm optimization (PSO) to construct a decision-making system for ship's autonomous collision avoidance using the process analysis which combines with the ship encounter situation and the decision-making method based on ship collision avoidance responsibility. This algorithm is designed to avoid both static and dynamic obstacles by judging the collision risk considering bad weather conditions by using BP neural network. When the two ships enter a certain distance, the optimal collision avoidance course and speed of the ship are obtained through the improved collision avoidance decision-making method. Finally, through MATLAB and Visual C++ platform simulations, the results show that the ship collision avoidance decision-making scheme can obtain reasonable optimal collision avoidance speed and course, which can ensure the safety of ship path planning and reduce energy consumption.