Background: Real-time ergonomic risk assessment in manufacturing environments is challenged by severe class imbalance in high-risk postures and the need for deployment-efficient models. Conventional oversampling techniques may violate biomechanical constraints, limiting their suitability for human motion data. Objectives: This study aimed to compare multiple machine learning models for real-time ergonomic risk assessment while addressing data imbalance using biomechanically appropriate learning strategies and evaluating both predictive performance and deployment efficiency. Design: Comparative study. Methods: A large-scale workplace safety dataset comprising image-based skeletal keypoints was analyzed. To mitigate class imbalance without generating biomechanically implausible samples, cost-sensitive learning and focal loss were employed instead of synthetic oversampling. Subject-wise data splitting was applied to prevent data leakage. Five model families, including Random Forest, convolutional neural networks, and a lightweight graphbased network, were evaluated using accuracy, F1-score, area under the receiver operating characteristic curve (AUC), and high-risk recall. Statistical significance was assessed using bootstrap confidence intervals and McNemar and DeLong tests. Results: The lightweight graph-based model demonstrated competitive classification performance while maintaining reduced computational complexity. Although none of the models achieved the predefined high-risk recall threshold, statistically significant performance differences were observed across model families. Conclusion: The findings suggest that biomechanically informed imbalance handling improves methodological validity in ergonomic risk assessment. While deployment feasibility appears promising, further empirical validation on edge hardware is required.

With the rapid expansion of renewable energy deployment, power systems are increasingly exposed to issues such as higher output variability. Photovoltaic generation, as the most widely installed variable renewable energy source both domestically and internationally, exhibits significant fluctuations due to weather conditions. These characteristics lead to operational challenges including increased curtailment, higher reserve requirements, and even risks of large-scale outages. This study aimed to improve the accuracy of photovoltaic power generation forecasting by developing a data quality control procedure for meteorological data collected at a PV plant. The quality-controlled data were used as inputs to SVM and XGBoost, resulting in improved forecasting accuracy, with MAPE decreasing from 7–10% to 6.32% and 6.08%, respectively. The results demonstrate that meteorological data quality control significantly enhances PV forecasting performance and can contribute to distributed energy resource operation and curtailment mitigation strategies.

본 연구에서는 고효율 non-fullerene acceptor인 Y6의 전자구조 및 광학 물성을 정확하게 예측하기 위해 Koopmans’ theorem 기반의 optimally tuned (OT) LC-DFT와 polarizable continuum model (PCM)을 결합한 단분자 계 산 접근법을 제안한다. μ 최적화 결과, 같은 분자식 안에서 구조적 차이는 최적의 μ 값에 큰 영향을 미치지 않는 반면 기체상(gas-phase)과 응집상 환경(PCM) 간에는 뚜렷한 μ 값의 차이가 나타나며 용매 환경 효과에서 계산된 μ 값이 기 체상보다 더 작게 계산이 된다. PCM에서 최적화된 OT-LC-DFT는 고체 시료의 실험적인 이온화에너지, 전자진화도, fundamental gap과 가장 잘 일치하는 결과를 보였으며, TD-OT-LC-ωPBE로 계산된 흡수 스펙트럼은 용액 및 박막 상태 에서 관측된 근적외선 영역의 최대 흡수 피크와 적색 이동을 잘 재현하였다. 또한 HOMO/LUMO 전자 분포 분석을 통 해 μ 값에 무관하게 분자내 전하 이동(ICT) 특성이 유지됨을 확인하였다. 이러한 결과는 단분자–PCM 기반 OT-LC-DFT가 응집상 환경에서의 전자구조와 광학 물성을 신뢰성 있게 예측할 수 있는 실용적 계산 방법임을 보여준다.

This study was conducted to improve the stability of small barges used for remote bird monitoring at Capsosiphon fulvescens aquaculture farms. The monitoring accuracy is compromised by rolling and pitching motions induced by waves and wind. To address this problem, a damping system was developed to enhance barge stability. Field experiments were conducted at a farm to evaluate the effectiveness of the developed damping system. The rotational motions of the barge, with and without the damping system, were measured using a six-axis gyroscope sensor. The measurements were conducted at the Capsosiphon fulvescens farm located in Cheokchan-ri and Deokdong-ri, Gogeum-myeon, Wando-gun, Jeollanam-do across two periods: from October 5, 2024 to December 17, 2024 (Damping without) and from February 19, 2025 to April 15, 2025 (Damping with). The collected data were validated against wind speed records from the Korea Meteorological Administration. The results demonstrated that the damping system effectively reduced barge motion. Within a wind speed range of 0.1-9.0 m/s, the system achieved an average reduction of 7.11% in rotational motions. Its maximum performance was recorded at approximately 7.0 m/s wind speed where it achieved a reduction of 23.35%. These findings confirm the system significantly enhances barge stability and improves monitoring reliability.

Machine learning (ML) techniques have been increasingly applied to the field of structural engineering for the prediction of complex dynamic responses of safety-critical infrastructures such as nuclear power plant (NPP) structures. However, the development of ML-based prediction models requires a large amount of training data, which is computationally expensive to generate using traditional finite element method (FEM) time history analysis, especially for aging NPP structures. To address this issue, this study investigates the effectiveness of synthetic data generated using Conditional Tabular GAN (CTGAN) in training ML models for seismic response prediction of an NPP auxiliary building. To overcome the high computational cost of data generation, synthetic tabular data was generated using CTGAN and its quality was evaluated in terms of distribution similarity (Shape) and feature relationship consistency (Pair Trends) with the original FEM data. Four training datasets with varying proportions of synthetic data were constructed and used to train neural network models. The predictive accuracy of the models was assessed using a separate test set composed only of original FEM data. The results showed that models trained with up to 50% synthetic data maintained high prediction accuracy, comparable to those trained with only original data. These findings indicate that CTGAN-generated data can effectively supplement training datasets and reduce the computational burden in ML model development for seismic response prediction of NPP structures.

본 연구에서는 Plate Count Agar (PCA; 48시간 배양)와 MC-Media Pad A.C+ (MMPAC+; 24시간 배양)의 검출 효 율과 정량 정확도를 비교하여 건조필름의 배양시간 단축 가능성을 평가하였다. 샐러드 60건에 대한 검출 효율 실 험에서 PCA는 6.1±1.0 log CFU/g, MMPAC+은 6.3±1.1 log CFU/g의 결과를 나타냈다. PCA와 MMPAC+의 P-value 는 0 .3 3 5로 유의적인 차이를 나타내지 않았다. 상관계수 (R2)는 0.5545로 상당한 상관관계를 보였다. 샐러드에 일 반세균을 저농도로 접종한 결과 PCA의 경우 3.3±0.1 log CFU/g, MMPAC+의 경우 3.4±0.1 log CFU/g로 나타났고 P-value는 0.251로 유의적인 차이를 나타내지 않았다. 고 농도로 접종한 결과 PCA의 경우 8.9±0.2 log CFU/g, MMPAC+의 경우 9.0±0.3 log CFU/g로 나타났고, P-value 는 0.561로 유의적인 차이를 나타내지 않았다. 따라서 PCA(48시간 배양)와 더불어 MMPAC+ 건조필름을 24시 간 배양하여 일반세균 실험에 사용할 수 있을 것으로 판 단되었다.

산림자원 조사에서 입목의 측정은 조사원이 직접 측정 도구를 사용하여 수행되지만, 측정값의 일관성과 정확성 문제로 인한 오차가 발생할 수 있다. 이러한 문제를 해결하기 위해 최근 LiDAR(Light Detection and Ranging) 기술이 산림자원 조사에 응용되고 있다. 본 연구는 단순림의 산림자원 조사에서 지상 LiDAR 기술의 활용 가능성을 평가하고자 하였다. 연구는 한국의 전주에 위치한 전북대학교 학술림 내의 편백림과 굴참나무 림을 대상으로 수행되었다. 조사원이 측정한 입목의 흉고직경과 수고 측정값을 기준으로, 휴대형 및 고정형 LiDAR 장비를 사용한 측정값을 비교 분석하였다. 결과적으로, 편백 임분의 흉고직경 측정에서는 측정 방법 간 높은 일치도가 나타났으며, 평균의 차이는 유의미하지 않았다. 그러나 수고 측정에서는 낮은 일치도가 관찰되었고, 평균의 차이는 유의미하였다. 특히, 3점 이동 평균 수고에서 휴대형 LiDAR 장비는 수고를 0.3m 과대 측정하였으며, 고정형 LiDAR 장비는 1.2m 과소 측정하였다. 굴참나무 임분의 경우, 흉고직경 측정에서 높은 일치도가 나타났고, 수고 측정에서 도 비교적 높은 일치도를 보였다. 또한, 흉고직경과 수고 모두에서 평균의 차이는 유의미하지 않았다. 이러한 결과는 편백 임분과 굴참나무 임분에서 흉고직경 측정과 굴참나무 임분의 수고 측정에 있어 지상 LiDAR 기술이 높은 정확도를 제공할 수 있음을 시사하지만, 편백 임분의 수고 측정에서는 개선의 여지가 있음을 나타낸다. 본 연구는 지상 LiDAR 기술이 단순림의 산림자원 조사에 활용될 수 있는 초기 단계의 연구로서, 다양한 수종 및 환경 조건에 관한 추가 연구의 필요성을 강조한다.

본 연구는 강내탄도 해석 코드 IBHVG2(Interior Ballistics of High Velocity Guns, version 2)를 이용하여 40mm L/70 포신을 가진 무 기체계에서 발사체의 출구 속도와 약실 압력을 해석하고, 시험 결과와 비교를 수행하였다. 집중 매개변수 모델(Lumped Parameter Model)을 기반으로 한 Chambrage 모델을 적용하여 탄환 속도와 약실 압력 해석을 수행하였고 시험은 총 10회를 수행하였다. 해석 인 자로 들어간 추진제의 반응률 계수는 폐쇄 폭발 실험(Closed Bomb Test)를 통해 추정하였다. 해석과 시험을 비교한 결과 탄환의 출구 속도는 약 6% 정도 오차를, 약실 최대 압력은 8% 정도의 오차를 보였다. 결론적으로 IBHVG2 모델의 유효성과 예측 정확도를 확인하 였으며, 개선의 여지가 있음을 확인하였다.

This study investigates the effect of machine translation (MT) use on the writing performance of Korean EFL students, focusing on complexity, accuracy, and fluency (CAF). Six participants completed a series of writing tasks in which they first translated their L1 writing into L2 manually and then used MT to revise their L2 drafts. This process was repeated across ten different writing topics. Participants’ drafts were analyzed using CAF measures to assess MT’s impact on their writing performance and observe changes over tasks. The results show that MT significantly improved accuracy and fluency. However, gains in syntactic and lexical complexity were less evident. While group-level analysis showed consistent progress, individual trajectories varied widely, indicating diverse patterns of development. Overall, the findings suggest that MT enhances writing accuracy and fluency among Korean EFL students, although its impact on syntactic and lexical complexity is limited. These results indicate that MT can serve as a valuable tool for self-directed learning, helping students independently improve their writing accuracy and fluency and develop essential self-editing skills. This study highlights the potential of MT as a supplementary tool to support EFL students’ writing development, along with traditional instruction.

본 연구에서는 baird paker agar (BPA)와 MC-media pad SA (MMPSA)의 황색포도상구균 검출효율과 정성 및 정 량 정확도를 비교하여 황색포도상구균 건조필름의 사용가 능성을 평가하였다. 본 실험에 사용된 재료는 마카롱(30건), 편육(30건) 및 김밥(30건), 총 90건을 실험 재료로 사용하 였다. 유통식품 90건의 황색포도상구균 검출효율 실험결과, BPA와 MMPSA의 검출효율은 48건(53.3%)으로 동일 하게 검출되었다. 또한 정량 정확도는 BPA와 MMPSA에 서 각각 2.0±0.8, 2.0±0.7 log CFU/g로 유의적인 차이가 나 타나지 않았다. 황색포도상구균의 정성 정확도 실험결과, BPA의 경우 97.7%, MMPSA의 경우 96.4%로 산출되어 유 의적인 차이가 나타나지 않았다. 황색포도상구균의 검출효 율, 정성과 정량 정확도 실험결과, BPA와 MMPSA 두 배지 에서 유의적인 차이가 나타나지 않아 황색포도상구균 정성 과 정량실험 시 MMPSA도 사용이 가능할 것으로 판단된다.

본 논문은 모바일 폰 사진을 활용하여 도시 공간에서 전력선과 건물 사이의 거리를 편리하게 모델링하고 측정하는 방법에 중점을 두고 있으며, 이에 대한 정확성을 평가하였다. 모바일 장 치용 2뷰 지오메트리를 사용한 전력선과 건물의 3D 재구성 방법을 설계하여 어디에서나 즉시 측정할 수 있도록 하였다. 특징점을 사용하여 전력선과 건물 사이의 거리를 계산하고 건물 정 보를 활용하여 게임 가상 공간에 전력선과 전주를 배치할 수 있다. 본 논문에서는 대전시 내 10개의 위치에서 실험을 실시하고, 상업용 시스템과 LiDAR가 있는 경우와 없는 경우를 포함 한 이전 방법과의 성능을 평가하였다. 우리의 방법을 스마트폰에 구현했기 때문에 장점은 휴 대성과 저렴함이다.

본 연구에서는 호흡동조화기법의 대안으로 딥러닝 자유호흡기법에서 b-value 별 겉보기확산계수 값을 평가하고 확 산강조영상과 겉보기확산계수 지도의 해부학적 일치성을 분석하여 적절한 여기횟수 값을 알아보고자 하였다. 연구 방법은 2023년 7월부터 2024년 1월까지 간 자기공명영상 검사가 의뢰된 성인 남녀 35명을 대상으로 하였고 사용 장비는 Magnetom Skyra 3.0T(Siemens, Germany)를 이용하였다. 자유호흡기법의 비교를 위해 b-value 50, 400, 800(s/mm2)의 여기횟수를 각각 딥러닝 호흡동조화기법에서 2,3,4으로 딥러닝을 이용하지 않은 일반 자유호 흡기법에서 4,6,8으로 검사하였다. 딥러닝을 추가한 일반 자유호흡기법에서는 1,2,3 여기횟수, 2,3,4 여기횟수, 3,5,6 여기횟수, 4,6,8 여기횟수로 변화하였다. 연구 결과 딥러닝 자유호흡기법에서 간의 좌엽과 우엽, 담낭의 평균 겉보기확산계수 값은 딥러닝 호흡동조화기법과 비교하여 모두 통계적 유의성을 확인하였다. 한편 정성적 평가의 해 부학적 일치성을 분석한 결과 딥러닝 자유호흡기법의 3,5,6 여기횟수와 4,6,8 여기횟수에서 가장 높은 점수를 얻었 으며 검사 시간에서는 딥러닝 호흡동조화기법과 비교하여 약 51%, 40% 감소하였다. 따라서 간 진단에 있어 딥러닝 자유호흡기법에서 b-value 별 적절한 여기횟수 값을 이용한다면 겉보기확산계수 지도의 정확도 유지와 함께 검사 시간을 감소시킬 수 있어 임상적으로 유용한 검사가 될 것으로 사료된다.

본 논문에서는 다목적 구조물인 다중연결 해양부유체를 대상으로 변형 기반 모드 차수축소법을 적용하고 차수축소모델의 구조응 답 예측 성능을 향상시키기 위해 유전 알고리즘 기반의 센서 배치 최적화를 수행하였다. 다중연결 해양부유체의 차수축소모델 생성 에 필요한 변형 기반 모드 데이터를 얻기 위해 다양한 규칙파랑하중조건에 대한 유체-구조 연성 수치해석을 수행하고 변형 기반 모드 의 직교성, 자기상관계수를 이용하여 주요 변형 기반 모드를 선정하였다. 다중연결 해양부유체의 경우 차수축소모델의 구조응답 예 측 성능이 계측 및 예측 구조응답 위치에 따라 민감하기 때문에 유전 알고리즘 기반의 최적화를 수행하여 최적의 센서 배치를 도출하 였다. 최적화 결과, 모든 센서 배치 조합에 대한 차수축소모델 생성 및 예측 성능 평가 대비 약 8배의 계산 비용을 절감하였으며, 예측 성능 평가 지표인 평균 제곱근 오차가 초기 센서 배치보다 84% 감소하였다. 또한, 다중연결 해양부유체 모형시험 결과를 이용하여 불 규칙파랑하중에 대한 최적화된 센서 배치의 차수축소모델의 구조응답 예측 성능을 평가 및 검증하였다.

현대에는 개인 연구자 대부분이 지식생산기관에 소속되어 지식생산기관의 유 형과 지식생산기관 간의 협력이 과학 지식생산에 미치는 영향이 높음에도 불구하고, 지식생 산기관이 정확히 식별되지 않아 과학 지식생산 과정을 실증적으로 파악하는 데는 한계가 있 다. 본 연구는 지식생산기관의 식별 정확도를 높이는 방법을 제안하였다. 구체적으로 디지털 헬스 분야의 PubMed 서지정보를 수집한 후 알고리즘을 적용하기 전 데이터 처리 단계에서 ‘맥락적 연결’을 활용하여 기관정보의 불완전성을 해소하고, 알고리즘 적용단계에서는 기관 명 모호성(IND)을 개선하는 방법을 제시하였다. 본 연구가 산출한 ‘지식생산기관 데이터셋’ 과 동일한 서지정보를 대상으로 하는 기존 공개 데이터셋인 ‘PKG datasets’을 비교했을 때, 본 연구가 제시한 방법은 지식생산기관 데이터셋에 포함된 대상 데이터 수를 2배로 증가시켰으며, 국가별 순위도 보다 정확하게 반영하였다. 또한 한국 지식생산기관의 디지털 헬스 분야 기여도가 과소 또는 과대 평가되고 있다는 사실도 발견하였다. 본 연구에서 제시한 방 법은 향후 과학지식을 생산하고 과학 혁신을 달성하는 데 있어 지식생신기관의 역할을 실증 적으로 연구하는 데 기여할 것으로 판단된다.