결빙되거나 적설이 있는 도로와 같이 마찰이 작은 노면에서는 일반 노면과 비교했을 때 제동거리가 크게 증가하기 때문에 심각한 교통사고로 이어질 수 있다. 이에 블랙 아이스(Black ice)와 같은 노면 위험을 감지 하기 위한 노면 분류 기술에 대한 연구가 지금까지 지속적으로 이루어지고 있다. ESC(Electronic Stability Control) 시스템은 차량 자세 제어를 통해 마찰이 작은 노면에서 차량의 미끄러짐 및 전복을 방지하는 능동 안전시스템(Active safety system)이다. ESC 시스템의 성능을 위해서는 정확한 노면 마찰 계수(Road friction coefficient) 추정을 통한 노면 분류가 중요하다. 최근의 노면 분류 기술은 카메라, LiDAR 등의 이미 지 기반의 방법에 중점을 두고 연구가 진행되고 있다. 그러나 이러한 이미지 기반의 방법들은 정확도가 낮을 뿐만 아니라 높은 계산 복잡도의 문제를 가지고 있다. 이뿐만 아니라 높은 비용으로 인해 상용화 측면에서도 단점을 드러내고 있다. 본 연구에서는 그림1처럼 센서 융합 기술을 활용하여 이미지 기반 방법의 문제점을 해결하고자 한다. 차량 횡방향 동역학 모델(Vehicle lateral dynamic model)을 선형화하여 칼만 필터(Kalman filter)를 적용한 노면 마찰 계수 추정 알고리즘을 설계하고, 기계학습(Machine learning) 모델을 적용하여 블랙 아이스 검출 알고 리즘을 설계한다. 전기차 CAN 버스로부터 얻을 수 있는 차량 종방향 가속도(Vehicle longitudinal acceleration)를 제어 입력으로 하고, 요 레이트(Yaw rate)를 측정값으로 하여 칼만 필터에 적용하여 차량 종 방향 속도(Vehicle longitudinal velocity)와 차량 횡방향 속도(Vehicle lateral velocity), 요 레이트, 차량 횡방 향 힘(Vehicle lateral force)을 추정한다. 이때 전통적인 칼만 필터 대신 EKF-UI(Extended kalman filter with unknown input)를 적용하여 시스템 행렬의 크기를 줄여 계산 복잡도를 감소시키고 차량의 거동 변화 를 보다 정확하게 반영할 수 있도록 하였다. 추정된 차량 종방향 속도, 차량 횡방향 속도, 요 레이트를 통해 사이드 슬립 각(Side slip angle)을 구해 사이드 슬립 각과 차량 횡방향 힘의 관계를 이용해 특징들을 찾아 기계학습 모델(e.g. 앙상블 기법, SVM 등)을 적용하여 블랙 아이스를 검출할 수 있다. MATLAB/Simulink SW 및 CarSim을 사용하여 개발한 알고리즘의 성능을 검증하였으며, 본 연구의 결과는 ESC 시스템의 성능 을 개선시켜 차량의 미끄러짐으로 인한 교통사고의 예방에 도움이 될 것으로 예상한다. 여기에 스마트 타이 어(Smart tire)의 센서도 추가해 노면과 타이어 사이의 직접적인 데이터를 추가해 검출 성능을 높일 것이다.

본 논문은 식민지 말기 간행된 잡지 《관광조선》에 실린 특집 기사와 독자 투고문을 분석한다. 1939년에 창간된 이 잡지는 각 호마다 특집기 사를 구성하여 식민지 조선의 관광지와 산업·자원을 홍보하며 발전된 근 대 공간 조선을 부각했다. 그러나 이는 전시 체제가 강화됨에 따라 병참 기지화와 전쟁 동원을 강조하는 방향으로 전환되는 양상을 보였다. 또한 독자 투고를 바탕으로 하는 「도시의 풍모」 글들을 통해 일본인을 포함한 대중들이 조선의 도시를 어떻게 체험하고 인식하는지에 대해 살펴보았 다. 근대적인 생활 인프라와 산업화·교통 발전·새로운 도시 문화에 대한 적극적인 홍보는 조선의 변화를 긍정적으로 그려내었다. 이 글을 통해 일본인들의 조선에 대한 장소애적 감정을 엿볼 수 있으며 이는 토포필리 아(Topophilia)라는 개념을 통해 설명된다. 이를 통해 일본인들이 조선 에서 경험한 문화적 변화와 상호작용이 중요한 요소로 작용했음을 알 수 있다. 본 논문은 식민지 후기 기행 담론과 매체가 제국주의 이념 및 전 시 동원 체제와 어떻게 맞물려 작동했는지를 살펴보고 그 속에서 나타나 는 조선의 변화상을 조망하고자 했다.

상수도 배관에서 누수 또는 이상을 감지하는 기계학습 및 인공신경망 분류 모델에 대한 연구가 활발히 진행되어 왔다. 그러나 누수음 데이터는 시간과 환경에 따라 계속 변동하기 때문에, 입력 데이터의 변화에도 일정 수준 이상의 분류 성능을 유지하는 분류 모델을 찾는 데 어려움이 있다. 본 연구에서는 모델 선택과 초매개변수 조정보다 데이터 전처리 방법이 분류 성능 향상에 더 큰 영향을 미친다는 점에 주목했다. 변동성이 큰 누수음의 특징을 효과적으로 추출하기 위해 푸리에 변환 및 MFCC(Mel-Frequency Cepstral Coefficients)를 사용하였으며, 일부 정보가 중복될 가능성을 고려하여 다중공선성에 덜 민감한 트리 기반 모델을 사용해 누수음의 분류 성능을 평가했다. 연구 결과, 푸리에 변환과 MFCC를 결합한 데이터 세트를 사용했을 때 LightGBM 모델의 분류 정확도가 84.62%로 나타났으며, 각각의 전처리 방법을 단독으로 사용했을 때보다 더 높은 성능을 달성하였다. 이 결과는 두 전처리 방법의 상호 보완적 특성이 분류 성능 향상에 기여했음을 입증하며, 상수도 관망 누수 탐지 시스템 개발에 중요한 기여를 할 것으로 기대된다.

This study aims to develop a deep learning model to monitor rice serving amounts in institutional foodservice, enhancing personalized nutrition management. The goal is to identify the best convolutional neural network (CNN) for detecting rice quantities on serving trays, addressing balanced dietary intake challenges. Both a vanilla CNN and 12 pre-trained CNNs were tested, using features extracted from images of varying rice quantities on white trays. Configurations included optimizers, image generation, dropout, feature extraction, and fine-tuning, with top-1 validation accuracy as the evaluation metric. The vanilla CNN achieved 60% top-1 validation accuracy, while pre-trained CNNs significantly improved performance, reaching up to 90% accuracy. MobileNetV2, suitable for mobile devices, achieved a minimum 76% accuracy. These results suggest the model can effectively monitor rice servings, with potential for improvement through ongoing data collection and training. This development represents a significant advancement in personalized nutrition management, with high validation accuracy indicating its potential utility in dietary management. Continuous improvement based on expanding datasets promises enhanced precision and reliability, contributing to better health outcomes.

본 연구는 웹툰을 한국어 교육 분야에 활용하기 위한 기초 작업을 위 해 웹툰의 의성·의태 표현의 종류와 특징을 밝히는 것에 목적이 있다. 이 에 두 편의 인기 웹툰에서 무료제공되는 회차에서 300개의 의성어와 의 태어를 추출하여 살펴보았다. 조사 결과 웹툰에 사용되는 의성·의태 표현 이 사전에 등재된 어휘인 경우도 있지만, 사전에 미등재된 어휘인 경우 도 많은 비중을 차지하고 있었다. 형태적으로 변형이 가해지기도 하고, 다양한 품사들이 의성·의태 표현으로 사용되기도 하였다. 그리고 작가의 판단과 필요에 따라 새로운 어휘들이 웹툰 안에서 의성·의태 표현으로 만들어지기도 하며, 하나의 의성·의태 표현이 2개의 의미로 사용되기도 하였다. 기존의 만화 텍스트에서 나타나는 특징과 유사한 특징을 보이지 만 세부적으로는 더 다양한 유형으로 분화되었다. 이렇게 웹툰의 의성·의 태 표현의 변형, 생성이 자유로운 이유를 웹툰의 특징인 실제성, 상호작 용성, 추측 가능성에서 찾을 수 있었다. 기존의 연구들은 웹툰을 언어교 육에 적용하는데 초점이 맞추어져 있다보니 웹툰 언어의 특징을 분석하 지 못한데 반해 본 연구는 웹툰 언어의 특징을 언어학적 관점에서 다루 었다는 데에 의의가 있다고 할 수 있겠다. 본 연구를 시작으로 웹툰 언 어의 특징들을 형태, 의미, 통사적으로 연구될 수 있다면 한국어교육, 한 국어 통·번역 교육에 적용될 수 있으리라 생각된다.

본고는 다의어에서의 의미 확장 과정에서 핵심 의미 작용을 하는 성분에 주목하여 동사 ‘熬’와 ‘炒’를 대상으로 사전과 코퍼스를 활용하여 이들의 핵심 의미 자질을 추 출하는 방법과 과정을 소개하고, 그 역할과 방향성을 탐구하는 데 연구의 목적을 둔 다. 또한, 構詞를 통해 ‘熬’와 ‘炒’의 복합어에서 보이는 핵심성분을 추출하여 핵심 의 미 자질을 다시 입증하였다. 연구 결과, ‘熬’의 핵심 의미 자질은 동작의 시간과 관련 된 [+장시간]이었고, 내포의미자질로 [+인내]자질이 ‘熬’의 의미 확장에서 두드러졌다. ‘炒’의 핵심 의미 자질은 동작의 횟수와 관련된 [+빈번]이었고, 내포의미자질로 [+조작]자질이 ‘炒’의 확장 의미에서 두드러졌다.

Artificial intelligence (AI) is transforming healthcare, yet little is known about how consumers experience and make decisions regarding follow-up care with medical AI. We take an interdisciplinary approach combining behavioral research and neuroscience to examine how anthropomorphism and personalization influence well-being and follow-up decisions. Study 1 found that consumers felt well-being after interacting with a highly personalized interaction, whether human or AI doctor. However, they preferred follow-up visits with the human doctor. Empathy mediated these effects. Study 2 used fMRI to show that the anterior cingulate cortex had greater activation when interacting with the human doctor, indicating more emotional processing and conflict resolution. These findings suggest that medical AI cannot currently replace human doctors, who remain vital for actual medical consultations and treatment. However, consumers viewed AI doctors positively and expressed a belief that AI will enhance well-being. By integrating neuroscience, this research provides biological evidence complementing behavioral findings.

In recent years, an array of studies has focused on ‘translationese’ (i.e., unique features that manifest in translated texts, causing second language (L2) writings to be similar to translated texts but different from native language (L1) writings). This intriguing linguistic pattern has motivated scholars to investigate potential markers for predicting the divergence of L1 and L2 texts. This study builds on this work, evaluating the feature importance ranking of specific translationese markers, including standardized type-token ratio (STTR), mean sentence length, bottom-frequency words, connectives, and n-grams. A random forest model was used to compare these markers in L1 and L2 academic journal article abstracts, providing a robust quantitative analysis. We further examined the consistency of these markers across different academic disciplines. Our results indicate that bottom-frequency words are the most reliable markers across disciplines, whereas connectives show the least consistency. Interestingly, we identified three-word lexical bundles as discipline-specific markers. These findings present several implications and open new avenues for future research into translationese in L2 writing.

The bandgap characteristics of semiconductor materials are an important factor when utilizing semiconductor materials for various applications. In this study, based on data provided by AFLOW (Automatic-FLOW for Materials Discovery), the bandgap of a semiconductor material was predicted using only the material’s compositional features. The compositional features were generated using the python module of ‘Pymatgen’ and ‘Matminer’. Pearson’s correlation coefficients (PCC) between the compositional features were calculated and those with a correlation coefficient value larger than 0.95 were removed in order to avoid overfitting. The bandgap prediction performance was compared using the metrics of R2 score and root-mean-squared error. By predicting the bandgap with randomforest and xgboost as representatives of the ensemble algorithm, it was found that xgboost gave better results after cross-validation and hyper-parameter tuning. To investigate the effect of compositional feature selection on the bandgap prediction of the machine learning model, the prediction performance was studied according to the number of features based on feature importance methods. It was found that there were no significant changes in prediction performance beyond the appropriate feature. Furthermore, artificial neural networks were employed to compare the prediction performance by adjusting the number of features guided by the PCC values, resulting in the best R2 score of 0.811. By comparing and analyzing the bandgap distribution and prediction performance according to the material group containing specific elements (F, N, Yb, Eu, Zn, B, Si, Ge, Fe Al), various information for material design was obtained.

본 연구는 범주속성들이 공통원인 혹은 공통효과 인과 네트워크로 연결되었을 때 인과강도에 따른 속성추론을 검증했다. 인과범주에서 속성추론을 검증한 기존 연구들은 인과관계의 방향, 연결된 속성의 개수, 원인 혹은 결과의 여부 등에 따라 고유한 추론 패턴이 나타남을 보여주었다. 다만 기존 연구들은 인과관계에 따른 추론패턴을 주로 탐색했으며 인과관계의 효과가 인과강도에 따라 어떤 변화를 보이는지 확인한 연구는 찾아보기 어렵다. 본 연구에서 는 공통원인(실험 1), 공통효과(실험 2) 네트워크에서 인과강도에 따른 속성추론을 검증했다. 이를 위해 참가자들에 게 속성들이 인과적 관련성을 가지는 범주를 학습하게 한 다음 속성추론 과제를 실시하도록 했다. 실험 결과 인과관 계 뿐만 아니라 인과강도 역시 속성추론에 중요한 영향을 미쳤다. 인과강도가 강할 떄 공통원인 속성에 대해서는 추론이 약해진 반면 공통효과 속성에 대해서는 추론이 강해졌다. 또한 인과강도가 강할 때 공통원인이 존재하는 경 우 결과속성들에 대한 추론이 강해진 반면 공통효과에서는 반대의 결과가 나타났다. 특히 공통효과에서는 인과강도 가 강할 때 인과적 절감이 더 뚜렷하게 나타났다. 이 결과들은 인과적 범주에서의 속성추론에서 참가자들은 인과관 계 뿐만 아니라 인과강도를 고려한다는 것을 일관성있게 보여준다.

Countries in the Chinese character cultural sphere share the Chinese Zodiac that assigns twelve animals to each year a person is born based on the order of arrival, so-called Tti. The twelve animals reflect the psychological characteristics of human life and are regarded as more special than other animals. Thus, the animals are used in idiomatic expressions as a vehicle to more properly describe human feelings and thought. This study therefore analyzed the semantic features of the twelve animals to explore the Chinese perception about the animals. The study result can be summarized as below: The representative semantic features of the twelve animals are as follows: [Villain], [Thief], [Misdeed], [Harmful], and [Heinous] for Rat; [Big] for Ox; [Villain], [Ferocious], [Cruel], [Heinous], [Foe], [Causing Fear], [Causing Risk], [Harmful], [Aggressor], and [Predator] for Tiger; [Agile] and [Quick] for Rabbit; [Emperor], [King], [High Status], [Authority], and [General] for Dragon; [Villain], [Aggressor], [Greedy], [Cunning], [Heinous], and [Vicious] for Snake; [War] and [Military] for Horse; [Weak], [Sacrifice], and [Dangerous Situation] for Sheep; [Nominal] for Monkey; [Small], [Slight], [Trifling], and [Useless] for Rooster; [Shabby], [Vulgar], [Bad], and [Foolish] for Dog; and [Shabby], [Vulgar], and [Wicked] for Pig. The negative semantic features were dominant in all animals except the dragon, which is consistent with a tendency that the animals are generally used to emphasize the negative aspects of a person. The semantic features of the animals are also presented in various domains of action, psychology, personality, morality, size, episode, speed, status, position, geographical features, attitude, shape, living, means, situation, etc.

Along with the current rapid development of technology, object classification is being researched, developed, and applied to security systems, autonomous driving, and other applications. A common technique is to use vision cameras to collect data of objects in the surrounding environment. Along with many other methods, LiDAR sensors are being used to collect data in space to detect and classify objects. By using the LiDAR sensors, some disadvantages of image sensors with the negative influence on the image quality by weather and light condition will be covered. In this study, a volumetric image descriptor in 3D shape is developed to handle 3D object data in the urban environment obtained from LiDAR sensors, and convert it into image data before using deep learning algorithms in the process of object classification. The study showed the potential possibility of the proposal and its further application.

근대 고등교육 사립 연희전문학교의 설립·운영에서 실무자로 직접적인 영향력을 보여준 에비슨(Oliver R. Avison)의 교육행정가적 인 특징과 상호문화성의 관련성을 고찰하여 현대적 시각에서 조명해 보고자 하였다. 에비슨의 교육행정가적인 네 가지 특징은 상호소통 능력, 협업능력, 추진력, 통합능력이다. 이들은 상호문화성의 중핵적 요소들이 내재되어 실제적으로 교육 현장에서 개방성, 가능성, 공공성, 현재성의 네 가지 상호문화성으로 발현되었다. 따라서 에비슨의 교육행 정가적인 특징들은 곧 상호문화성으로 호환 가능한 자기 번역 능력을 가졌으며, 그 상호문화성이 곧 사립 연희전문학교 설립·운영을 주도한 숨은 공로자였음을 확인할 수 있었다. 상호문화성이 내재된 에비슨의 교육행정가적인 특징들에 관한 연구는 한국의 다층적 삶을 살아가는 모든 구성원의 상생적 삶을 위한 대안적 모색임과 동시에 선교현장에서 교육행정가의 모범으로써 선용할 만한 또 하나의 모델을 발굴하는 일이 될 것이다.

Background: Only 2% of falls in older adults result in serious injuries (i.e., hip fracture). Therefore, it is important to differentiate injurious versus non-injurious falls, which is critical to develop effective interventions for injury prevention. Objects: The purpose of this study was to a. extract the best features of surface electromyography (sEMG) for classification of injurious falls, and b. find a best model provided by data mining techniques using the extracted features. Methods: Twenty young adults self-initiated falls and landed sideways. Falling trials were consisted of three initial fall directions (forward, sideways, or backward) and three knee positions at the time of hip impact (the impacting-side knee contacted the other knee (“knee together”) or the mat (“knee on mat”), or neither the other knee nor the mat was contacted by the impacting-side knee (“free knee”). Falls involved “backward initial fall direction” or “free knee” were defined as “injurious falls” as suggested from previous studies. Nine features were extracted from sEMG signals of four hip muscles during a fall, including integral of absolute value (IAV), Wilson amplitude (WAMP), zero crossing (ZC), number of turns (NT), mean of amplitude (MA), root mean square (RMS), average amplitude change (AAC), difference absolute standard deviation value (DASDV). The decision tree and support vector machine (SVM) were used to classify the injurious falls. Results: For the initial fall direction, accuracy of the best model (SVM with a DASDV) was 48%. For the knee position, accuracy of the best model (SVM with an AAC) was 49%. Furthermore, there was no model that has sensitivity and specificity of 80% or greater. Conclusion: Our results suggest that the classification model built upon the sEMG features of the four hip muscles are not effective to classify injurious falls. Future studies should consider other data mining techniques with different muscles.

개념과 범주는 관찰하지 못한 속성을 추론할 수 있는 기반을 제공한다. 무의미 속성을 사용한 범주기반 속성추론 연구들은 범주 및 속성의 유사성이 추론을 설명하는 핵심 요인이라는 것을 제안했다(Rips, 1975; Osherson et al., 1990). 이후 연구들은 사람들의 사전지식이 범주기반 추론에 막대한 영향을 미치며 심지어 유사성 효과가 완전히 사라지는 경우도 있음을 보고했다. 본 연구는 범주 속성들이 사전지식의 한 종류인 인과적 지식에 의해 사슬구조로 연결되었을 때의 범주기반 속성추론을 검증했으며 그 결과를 예측하는 속성추론모형을 제안했다. 참가자들은 네 개의 속성들이 사슬구조를 이루는 인과적 범주를 학습한 뒤 해당 범주의 다양한 범주 예시들의 숨겨진 속성에 대한 추론을 실시했다. 그 결과 인과적으로 직접 연결된 속성뿐만 아니라 다른 속성 노드에 의해 차폐된 속성들도 추론에 영향을 미치는 비독립성이 나타났다(인과적 마코프 조건의 위배). 인과모형이론(Sloman, 2005)에 기반한 속성추론모 형을 적용하여 참가자들의 추론을 모델링한 결과 인과적 연결의 직접 효과뿐만 아니라 간접 효과 즉 인과추론의 비독립성도 예측하는 것으로 나타났다. 다만 간접적으로 연결된 속성들은 인과적 거리와 무관하게 참가자들의 추론 평정에 동일하게 영향을 미쳤지만 모형은 거리가 멀어짐에 따라 추론에 미치는 영향이 작아짐을 예측했다.