본 연구는 라이프 시뮬레이션 장르 게임 『모여봐요 동물의 숲』의 주요 음악을 대상으로, 라이 트 모티프 기법이 어떠한 양상으로 활용되는지를 분석하고, 이를 통해 본 작품의 음악이 라이프 시뮬레이션 장르의 일상적 시간 구조와 어떻게 결합되는지 고찰하는 데 목적이 있다. 이를 위해 본 작품의 주요 BGM과 SFX 트랙을 대상으로 메인 테마 <Welcome Horizons>로부터 파생되는 라이트 모티프의 분포와 변형 양상을 음향, 화성, 선율, 리듬의 측면에서 분석하였다. 분석 결과 본 작품 의 라이트 모티프 활용 양상은 다음 세 영역에 걸쳐 나타남을 확인하였다. 첫째는 24시간 BGM 사 이클을 가로지르는 메인 테마 동기의 분산·변형 등장이며, 둘째는 시리즈 전반의 캐릭터 및 장소 테마에 나타나는 동기적 결속이고, 셋째는 짧은 효과음으로의 모티프 확장이다. 이러한 양상은 본 작품의 음악이 모티프의 웅장하고 점진적인 전개 대신 작은 모티프 단위의 지속적 변주를 반복 함으로써 친숙한 멜로디의 미감을 형성하고, 본 작품의 일상적 시간 구조와 결합하여 플레이어의 몰입 경험을 지지하는 음악적 전략으로 기능하고 있음을 보여준다. 본 연구의 발견은 일차적으로 본 작품에 한정되나, BGM·효과음·캐릭터/장소 테마 전반에 걸친 라이트 모티프의 통합적 운용 이라는 본 작품의 사례는, 라이프 시뮬레이션 장르 게임 음악 연구 및 작곡 실천이 참조할 수 있는 분석 틀과 작곡 전략의 가능성을 시사한다.

This study evaluated the effects of image preprocessing techniques on detection of Fire Department Connection (FDC) in road view images using a YOLOv8s-based framework. Six preprocessing techniques were applied under identical training and evaluation settings, and their performances were assessed using precision, recall, mAP@50, and mAP@50–95. Geometric correction produced the largest improvement, increasing mAP@50–95 from 0.419 to 0.543 and also improving recall, indicating enhanced localization and detection stability. HSV (Hue, Saturation, Value)-based red restoration achieved the highest average precision among color-based methods, whereas Retinex-based illumination correction degraded the performance across all metrics. Bottom-region cropping improved localization accuracy but reduced recall owing to limited spatial coverage. These results demonstrate that distortion mitigation and selective color enhancement are effective preprocessing strategies for robust FDC detection in road view environments. The study provides practical guidelines for intelligent road asset management, contributing to optimized road network operation and accessibility by reducing emergency vehicle positioning time in complex urban road environments.

자기공명영상(MRI)은 연부조직의 대조도가 우수하여 신경 및 근골격계 이상을 평가하는 데 탁월한 진단 도구로 활 용되고 있다. 특히 요천추 신경총과 같은 복잡한 신경 구조의 정밀한 영상화에 적합하여 임상 진단 과정에서 중요한 역할을 담당한다. 기존에 사용된 SPACE 3D, STIR, 그리고 최근에는 딥러닝 재구성 기법 등 다양한 MRI 기법이 도입되어 영상 화질 향상과 검사 효율성을 동시에 개선하고 있다. 본 연구에서는 조영제 주입 후 요천추 신경총 MRI 검사에서 얇은 슬라이스 두께로 획득한 SPACE 3D T2 STIR 기법과 딥러닝 TSE T2 STIR 기법을 비교하여, 요천추 신경총 영상에 유용한 MRI 기법을 알아보고자 하였다. 요천추 신경총 병변이 의심되는 20명의 환자를 대상으로 하 여 SPACE 3D T2 STIR 기법과 DL TSE T2 STIR 기법을 적용해 관상면 영상을 획득한 후, 신호대잡음비, 대조대 잡음비, 검사 시간 및 영상의 질을 정량적·정성적 방법으로 분석하였다. 그 결과, 기법 간 통계적으로 유의한 차이 가 확인되었으며, 특히 DL 기법은 검사 시간 단축과 우수한 대조도를 제공하였다. 환자의 임상 상태와 촬영 여건을 고려하여 적절한 기법을 선택한다면, 요천추 신경총 MRI 진단에 최적화된 영상 품질을 확보할 수 있을 것으로 사료 된다.

대구읍성은 삼국시대 신라 달성에서 출발하여 고려시대를 거쳐 조선시대 평지 읍성으로 전환되는 장기적 공간 재편의 흐름 속에서 형성된 역사적 공간이다. 본 연구는 대구읍성의 형성과정과 시기별 축성법의 특징을 통시적으로 검토함으로써, 대구읍성이 단순한 방어시 설을 넘어 지방 통치 전략의 변화, 행정 중심지의 재구성, 교통·물류 거점 기능의 확장과 긴 밀히 연관된 복합적 역사 공간이었음을 규명하고자 한다. 달성은 삼국시대부터 조선 초기까지 대구 지역의 치소성으로 기능하였으며, 고려 공양왕 2년(1390)에 석성으로 개축되었다. 세종대에 관아가 평지로 이전되면서 달성은 읍성으로서 의 기능을 상실하였고, 이후 약 150년간 무읍성 시기가 지속되었다. 이후 선조 24년(1591), 임진왜란 직전에 평지 읍성이 초축되었다. 선조 34년(1601) 경상감영이 대구에 상설 설치되 면서 대구는 영남 지역의 행정·군사·물류 중심지로 확고히 자리매김하였다. 축성법 측면에서 초축 성벽을 토성으로 보는 기존 견해는 재검토가 필요하다. 동시기에 축조 된 청도·성주·삼가·영천·경산·안동·상주 읍성이 모두 석성으로 조성된 점을 고려할 때, 행정 위계가 높은 대구읍성만 토성으로 축조되었다고 보기에는 설득력이 낮다. 오히려 임진왜란 과정에서 석성 외벽이 파괴·붕괴된 이후 토성처럼 인식되었을 가능성이 크다. 북벽 구간 발 굴조사에서 확인된 기저부 축성법의 차이 역시 이러한 해석을 뒷받침한다. 영조 12년(1736)의 수축은 여장의 정형화, 총안 배치의 체계화, 성돌 규격화 등 구조적 기술 혁신을 수반한 축성사적 사건이었다. 이는 『기효신서』 수용 이후 조선 후기 축성기술이 성숙 단계에 도달했음을 실증적으로 보여준다. 고종 7년(1870)의 재수축에서는 회삼물을 활용한 여장의 전면 신축과 돈대·포루·표루의 입체적 배치를 통해 방어 기능이 한층 강화되었으며, 임노동 기반 고용체제로의 전환이라는 조선 후기 사회 변화도 반영되었다. 대구읍성은 산성 중심의 군현 방어체계에서 평지 읍성 체제로의 전환을 상징하는 유산이자, 조선 후기 축성기술의 발전 단계가 집약된 대표적 평지 읍성으로 평가된다. 또한 「영영축성 비」와 「수성비」라는 두 금석문이 현존하는 유일한 사례로서, 조선 후기 지방 행정력과 사회 조직, 노동 체계를 보여주는 탁월한 1차 사료적 가치를 지닌다.

This paper presents an AI-based PHM (Prognostics and Health Management) framework for quantitative motor health assessment and remaining useful life (RUL) prediction. The proposed method first defines a health index using vibration and current signals of an industrial motor, and then adopts a two-stage PHM architecture consisting of health-state classification and deep learning-based RUL prediction. A degradation test bench is designed to obtain condition monitoring data for normal, warning, and critical states, and a hybrid 1D CNN– BiLSTM–attention model is developed to capture both local features and long-term temporal dependencies. Experimental results demonstrate that the proposed model outperforms conventional SVM and single LSTM baselines in terms of both health-state classification accuracy and RUL prediction accuracy, achieving a 20– 30% reduction in RMSE and more than 80% of RUL predictions within ±10% error. The proposed approach provides a practical PHM framework and modeling guidelines for implementing condition-based maintenance of electric motors in smart manufacturing environments.

As the unmanned aerial vehicle industry grows, unexplained multirotor crashes continue to increase, and existing preventive maintenance methods have limitations in managing multirotor safety. Safety must be the top priority in multi-copter operations. To address this, real-time monitoring of the multi-copter's flight status during operation is required, along with anomaly detection and immediate response based on flight log information. However, limitations exist in processing anomaly data for each flight control log, necessitating the development of standardized technology to overcome this challenge. In this paper we propose a standardized process for collecting multi-copter flight control logs in real time, classifying the log information by message sets, and extracting key defect detection indicators contained in each message set. Furthermore, the extracted defect detection indicators were validated using various supervised learning models. In our experimental results, we collected flight logs from a multi-copter equipped with a defective propeller and conducted experiments using three defect detection models. The results show an accuracy rate of 0.99. This is the F1-score for the defect detection rate.

본 연구는 조영제 기반의 시간 분해 자기공명혈관조영술(4D TRAK)과 비조영 위상대조 자기공명영상(Phase Contrast MRI, PC-MRI)을 이용하여 대뇌 정맥 구조의 영상 품질과 진단적 유용성을 비교·평가하였다. 약 35명의 환자를 대상으로 속목동맥(ICA)과 위시상정맥굴(SSS)을 중심으로 정량(CNR) 및 정성(5점 척도) 분석을 시행하였으며, 전용 분석 도구인 Stroke Analyzer를 통해 동맥과 정맥 위상을 분리하고 정량 수치를 산출하였다. 4D TRAK은 PC-MRI보 다 모든 항목에서 높은 점수를 보였고, 정성 점수와 CNR 간에도 유의한 양의 상관관계가 확인되었다(p = 0.031). 4D TRAK은 동맥뿐 아니라 정맥 시각화에도 유효한 정보를 제공하며, 단일 검사로 동·정맥 구조를 동시에 평가할 수 있는 가능성을 보여주었다.

본 연구는 초현실주의 미술의 표현 원리와 아동미술의 성격을 나란히 놓고 살펴보며, 두 영역이 공유하는 특징을 바탕으로 도 식기 전후 아동을 위한 미술 수업의 방향을 모색한 것이다. 현실 과 상상이 뒤섞인 초현실주의의 표현 방식은 비논리적 화면 구 성, 과감한 크기와 거리의 처리, 예상 밖의 사물 조합이 두드러지 는 도식기 전후 아동화의 특징과 자연스럽게 이어진다. 이에 따 라 초현실주의의 기법을 아동의 발달 특성과 표현 습성에 맞게 재구성한 수업 틀을 마련하고자 하였다. 연구 방법은 초현실주의 개념과 표현기법, 아동 발달과 아동미 술교육, 재료와 놀이 중심 미술수업에 관한 문헌과 선행 연구를 검토하고, 이를 토대로 수업 구조와 평가 방향을 정리하는 데에 두었다. 수업 디자인은 도입–표현–정리(감상 포함)-사후 기록의 흐름으로 구성되며, 다양한 생활 재료와 자연물을 활용해 우연한 흔적과 낯선 조합이 자연스럽게 드러나도록 설계하였다. 이때 교 사는 정답을 제시하는 위치에 서기보다, 아동이 떠올린 상상과 내면 이미지를 함께 살펴보는 동행자로 자리하는 태도를 중심으 로 하였다. 평가 방식은 결과물의 완성도보다 창의적 표현의 흐름, 정서적 변화, 재료 선택과 화면 구성에 대한 시도를 관찰 기록과 아동의 자기 보고를 통해 누적해서 살피는 방향으로 설정하였다. 수업 중 놀이 상황에서 나타나는 상호작용과 협력 경험을 함께 기록하 여, 사회적 태도와 관계 맺기 방식의 변화를 읽어 내고자 하였다. 초현실주의 기법을 활용한 아동미술 수업이 아동의 상상과 내면 이미지를 이끌어 내고, 미술 활동에 대한 태도와 정서적 안정감, 타 인과의 소통 경험을 키워 가는 교육의 형태로 자리할 수 있음을 제 시한다. 본 연구에서 제안한 수업 디자인과 평가 틀을 실제 학급에 적용하여 아동의 변화를 질적 및 양적 자료로 축적하는 후속 연구 가 필요하다.

As renewable energy penetration continues to increase, the output variability and forecasting uncertainty of photovoltaic generation have emerged as major operational risks in power systems. This study establishes a sensor-based data quality control procedure to ensure the reliability of meteorological data collected at a PV plant. For temperature, humidity, and wind speed, a four stage QC process physical range check, persistence check, step change check, and median filtering was applied. Solar radiation, which exhibits strong temporal and distributional characteristics, was processed using a three-stage QC procedure consisting of physical range, step change, and frequency distribution checks. Using the quality-controlled meteorological data, PV generation forecasting was performed with SVM and XGBoost models. As a result, the MAPE values improved to 6.32% for SVM and 6.08% for XGBoost after QC application. The findings confirm that meteorological data quality control significantly enhances PV forecasting accuracy and can support future strategies for distributed energy resource management, curtailment mitigation, and power system risk reduction.

본 연구는 정원의 현대적 의미와 가치, 역할 및 정원문화에 대한 인식과 정원문화 활성화 방안을 시민정원사 양성과정 수강자를 대상으로 분석하였 다. 연구는 정원과 정원문화에 관한 개방형 질문을 바탕으로 브레인스토밍과 토의를 실시하고, 수집된 비정형 텍스트 자료를 워드클라우드 기법을 통해 핵심 키워드 도출 및 주제 분류의 방식으로 분석하였다. 분석 결과, 정원이 가지는 주요 의미는 ‘치유’, ‘개인적 쉼터’, ‘자연과의 교감’, ‘사회적 연결’로 나타났다. 정원의 가치와 역할은 심리·정서적 측면, 환경·생태적 측면, 사회·공공적 측면의 세 가지 범주로 구분되었으며, 정원은 개인의 심신 안정과 삶의 질 향상뿐 아니라 공동체 소통과 생태적 감수성을 증진하는 공간으로 인식되고 있었다. 정원문화에 대한 인식은 인간과 인간 간의 관계적 측면과 인간과 자연의 상호작용 측면에서 확인되었다. 정원문화 활성화 방안으로는 소통과 참여의 촉진, 교육 및 역량 강화, 정책적 지원과 환경 조성, 홍보와 인식 제고의 네 가지 방향이 도출되었다. 본 연구는 시민정원사의 인식을 기반으로 정원과 정원문화의 의미와 역할을 체계적으로 정리하고, 워드클라우드 기법을 활용하여 질적 자료를 시각적으로 분석하였다는 점에서 의의를 가지며, 향후 정원문화 정책 및 실천적 프로그램 개발을 위한 기초자료로 활용될 수 있을 것이다.

전 세계 식량 안보는 기후 변화와 인구 증가로 인해 점점 더 위협받고 있으며, 이를 해결하기 위해서는 유전체학, 표현형 학, 인공지능을 통합한 첨단 육종 전략이 필요하다. 본 연구는 유전자형 데이터 증강과 반지도 학습을 활용하여 토마토 육종 에서의 표현형 예측 정확도를 향상시키는 것을 목표로 한다. 총 192종의 토마토 계통을 온실 환경에서 재배하며, 과중, 높 이, 너비, 경도, 당도 등 5가지 주요 형질에 대한 유전자형, 표 현형, 환경 데이터를 수집한다. 제안된 1차원 합성곱신경망 기반의 유전자형 데이터 증강 프레임워크는 원본 데이터셋을 확장하고, 라벨이 안된 데이터를 효과적으로 활용하기 위한 수도 라벨링 전략을 도입한다. 또한, 온도, 습도 등 환경 변수 는 생육 기간 동안의 통계적 특징값을 추출하여 모델 입력에 통합함으로써 재배 조건을 보다 현실적으로 반영하였다. 표 현형 예측은 트리 기반 및 딥러닝 아키텍처를 포함한 다양한 모델을 통해 수행되었으며, 서로 다른 네트워크 구조에 따른 성능을 비교 및 평가한다. 실험 결과, 유전자형 데이터 증강은 전반적으로 예측 성능을 향상시켰으며, 특히 LightGBM과 CatBoost와 같은 트리 기반 모델에서 가장 큰 개선 효과를 보 였다. 또한 최신 딥러닝 모델과의 비교 실험을 통해 제안된 접 근법의 강건성을 확인한다. 이러한 결과는 제안된 방법이 데 이터가 제한된 육종 환경에서도 실질적인 성능 향상을 달성할 수 있는 효과적인 전략임을 보여주며, 향후 멀티오믹스 및 환 경 데이터와의 통합을 통해 확장 가능한 디지털 육종 프레임 워크로 발전할 가능성을 제시한다.

과도한 조류 발생은 수생태계 교란과 수질 악화를 초래하는 대표적인 환경 문제로, 효과적인 관리와 대응을 위해 정확한 예측이 필요하다. 우리나라는 사계절의 기후 특성이 뚜렷하며, 수온이 상승하는 하절기에 조류 발생이 집중되는 경향을 보인다. 이에 따라 실시간 모니터링 자료는 대부분 저농도 상태가 유지되어 데이터 불균형 문제가 발생한다. 본 연구에서는 chlorophyll-a 농도를 기준으로 하천 현장의 조류 발생 수준을 Class 1 (Chl-a ≤ 10 ㎍/L), Class 2 (10 < Chl-a ≤ 50 ㎍/L), Class 3 (Chl-a > 50 ㎍/L)와 같이 3개의 class로 구분하고, 대표적인 앙상블 머신러닝 모형인 extreme gradient boosting (XGB) 알고리즘을 이용하여 조류 발생 수준을 예측하는 분류 모형을 구축하였다. 데이터 불균형 해소를 위해 생성형 인공지능 기반 알고리즘인 conditional generative adversarial network (CGAN)과 전통적인 데이터 보강 알고리즘인 synthetic minority over-sampling technique (SMOTE), 그리고 딥러닝 기반 기법인 autoencoder (AE)를 활용한 3가지 데이터 보강 알고리즘을 활용하여 데이터의 불균형을 개선한 자료를 생성하고 이를 XGB 모형에 적용하여 성능 변화를 비교하였다. 분석 결과 macro average 기준으로 원본 데이터를 사용한 모형의 recall은 0.606이었으나 SMOTE, AE 및 CGAN의 recall은 각각 0.666, 0.682, 0.720으로 크게 개선되었고, F1 score도 데이터 불균형 해소를 통해 약 7–13%의 성능이 향상되는 등 전체적으로 데이터 불균형 해소로 모형의 성능이 향상되었으며 CGAN이 가장 우수한 성능 개선 효과를 보이는 것으로 나타냈다. 본 연구의 결과를 통해 데이터 불균형 해소를 통한 머신러닝 모형 성능 개선 가능성을 확인하였다.

호문초연(虎門銷煙)은 중국 근대사의 중대한 역사적 사건으 로서, 중국인의 애국 의식을 일깨우고 중화 민족의 존엄과 이 익을 수호하였기에 모든 중국인이 마음에 새겨야 할 가치가 있 는 사건이다. 중국 창작 뮤지컬 <호문초연(虎門銷煙)>은 바로 이 역사적 사건을 배경으로 창작 및 각색되었으며, 임칙서(林則 徐)가 아편을 소각할 방법을 찾던 중 주인공 아충(阿忠) 및 수 많은 백성들과의 감정적 교류를 통해 최종적으로 아편을 성공 적으로 소각하는 이야기를 다루고 있다. <장사지인(將死之人)> 은 극 중 주인공 아충(阿忠)의 대표적인 가창곡으로, 이 작품은 심오하고 애절한 음악적 선율과 복잡하고 다변적인 조식 리듬 을 통해 평범한 영웅으로서 주인공 아충(阿忠)이 죽음을 앞둔 순간의 내면 독백과, 나아가 국가의 강대함과 안전을 위해 기 꺼이 헌신하려는 애국주의 정신, 그리고 강렬한 국가 정체성과 불굴의 민족 정신을 표현하고 있다. 본 논문은 뮤지컬 <호문초 연(虎門銷煙)>의 주인공 아충(阿忠)의 대표적인 가창곡 <장사 지인(將死之人)>을 연구 대상으로 삼아, 극 전체의 창작 배경 과 인물에 대해 간략히 설명한 후, 가창곡의 악곡 형식 구조, 선율 형태, 가사 측면에서의 음악적 특징을 분석하고, 필자 자 신의 가창 실천 및 공연 경험과 결합하여 호흡의 운용, 발음 처리, 혼성 가창의 세 가지 측면에서 가창 기교를 분석하며, 가 창 정서 및 감정 처리, 역할 설정 및 무대 공연 등과 결합하여 극 중 인물의 감정 표현을 파악함으로써 해당 작품을 더 잘 연 기하기 위한 일정한 이론적 지지와 학술적 참고를 제공하고자 한다.