강우는 물과 에너지 순환에서 가장 중요한 역할을 한다. 이 연구에서는 두개의 다른 원격탐사 센서를 이용하여 추출한 강우자료의 불확실성 (uncertainty)에 대하여 검토해 보았으며, 이에 의한 오차가 비선형 수치수문모형에서 수문인자(유출)를 모의할 때 어떻게 영향을 미치는가를 살펴보았다. 지상에서 관측된 강우 관측을 이용하여 WSR-88D (NEXRAD)에 의해 추출한 레이더 강우, 그리고 IR (Infrared) 밴드를 기반으로 하는 인공위성 강우관측을 비교 검토하였으며, 세 가지의 서로 다른 강우와 현장에서 측정된 기상자료를 입력 자료로 사용하여, 오프라인 CLM (Community Land Model) 수문모형으로 유출량을 모의하였다. 이 연구에서 물리적 이론을 기반으로 하는 CLM수문 모형의 매개변수는 지표면-대기의 수문반응 (land-atmosphere interaction)을 적절하게 묘사하도록 정의되었다고 가정한다. 다른 원격탐사 센서를 이용하여 추출한 강우자료는 시공간적으로 다른 양상을 보여 주며, 수치모형의 실험 결과는 강우입력의 불확실성이 수문반응의 결과에 어떻게 영향을 미치는지를 보여준다. 이 연구는 앞으로 우리나라에서 개발 및 활용가능성이 있는 레이더 강우와 인공위성 강우에 대한 사전 지식을 제공하고, 동시에 수치 수문모형을 수행할 때 수문반응의 불확실성에 대한 정보를 제공해 주며, 결국은 기후 변화에 따른 수자원의 재분배를 이해하는데 이바지할 것이다.
신경회로망은 어떤 사상에 대한 인과관계를 연상기억능력을 통하여 인식할 수 있는 기능을 가지고 있을 뿐 아니라 비선형현상에 대한 적응능력이 뛰어나 수문계의 강우-유출 현상에 대한 적용가능성은 많으나 이를 수문학적으로 검증하는데는 아직 검토단계라 할 수 있으며 적용에 따른 방법론에 대한 연구가 필요하다 할 수있다. 본 연구에서는 하천유역에서 호우의 발생에 따른 하천의 홍수유출수문곡선을 모의하기 위한 블랙박스모형으로서 신경회로망이론의 적용에 따른 문제를 수문학적으로 규명하고자 하였다. 이를 위한 방법으로서 홍수발생의 직접적인 원인인 강우패턴을 신경회로망의 입력패턴으로하고 이에 따른 출력패턴을 유출수문곡선이라는 가정하에 신경회로망모형을 구성하고 평창강유역에서 발생된 과거 홍수기록자료를 이용하여 그 결과를 제시하였다. 본 연구결과에 의하면 신경회로망의 학습이 수행되는 동안 어떠한 형태로든 수문학적 개념을 토대로 구성된 모형의 구조에 잘 적응되고 있음을 알수 있었다. 이 결과를 토대로 지금까지 복잡한 과정을 거쳐야하는 강우-유출 모형화 과정에서 발생되는 문제점들을 효율적으로 해결할 수 있는 접근방법으로서 활용될수 있을 것으로 기대된다.
탄성파동방정식에서는 변위가 수직 및 수평방향으로 정의된다. 실제 탐사에서는 수직변위와 수평변위를 모두 측정할 수 있기 때문에 이를 이용하여 방향성을 갖는 변위벡터를 구성할 수 있다. 본 연구에서는 이러한 변위벡터의 크기를 목적함수로 이용하는 주파수 영역 탄성파 파형역산 기법을 제안하고자 한다. 변위벡터 목적함수는 주파수 영역 파형역산 알고리듬에 적용할 경우 기존의 역전파 알고리듬과 동일한 방식으로 역산을 수행할 수 있다. 변위벡터 목적함수를 이용하여 Marmousi 모델과 SEG/EAGE 암염 모델의 합성탄성파 자료를 역산한 결과, 기존의 역산기법에 비해 RMS 오차가 안정적으로 감소하였다. 특히, Marmousi 모델의 밀도와 SEG/EAGE 암염 모델의 암염 하부의 저속도층을 실제 모델에 더 가깝게 구현할 수 있었다. 변위벡터의 크기를 목적함수로 사용할 경우 경사방향이 수치적으로 불안정한 형태로 정의되므로 이를 안정화시키기 위한 추가적인 연구가 필요할 것이다. 또한 본 논문에서 제안한 변위벡터 목적함수를 이용한 파형역산을 수행하기 위해서는 다성분 탐사자료 획득이 필수적이므로 육상탐사에서의 다성분 탐사나 해저면 다성분탐사(OBC, Ocean Bottom Cable) 등의 연구와 병행되어야 할 것이다.
여러 분야에서 사용되는 이미지 분류를 위한 딥러닝(Deep Learning) 모델은 오류 역전파 방법을 통해 미분을 구현하고 미분 값을 통해 예측 상의 오류를 학습한다. 엄청난 계산량을 향상된 계산 능력으로 해결하여, 복잡하게 설계된 모델에서도 파라미터의 전역 (혹은 국소) 최적점을 찾을 수 있다는 것이 장점이다. 하지만 정교하게 계산된 데이터를 만들어내면 이 딥러닝 모델을 '속여' 모델의 예측 정확도와 같은 성능을 저하시킬 수 있다. 이렇게 생성된 적대적 사례는 딥러닝을 저해할 수 있을 뿐 아니라, 사람의 눈으로는 쉽게 발견할 수 없도록 정교하게 계산되어 있다. 본 연구에서는 임의의 잡음 신호를 추가하는 방법을 통해 적대적으로 생성된 이미지 데이터셋을 탐지하는 방안을 제안한다. 임의의 잡음 신호를 추가하였을 때 일반적인 데이터셋은 예측 정확도가 거의 변하지 않는 반면, 적대적 데이터셋의 예측 정확도는 크게 변한다는 특성을 이용한다. 실험은 공격 기법(FGSM, Saliency Map)과 잡음 신호의 세기 수준(픽셀 최댓값 255 기준 0-19) 두 가지 변수를 독립 변수로 설정하고 임의의 잡음 신호를 추가하였을 때의 예측 정확도 차이를 종속 변수로 설정하여 시뮬레이션을 진행하였다. 각 변수별로 일반적 데이터셋과 적대적 데이터셋을 구분하는 탐지 역치를 도출하였으며, 이 탐지 역치를 통해 적대적 데이터셋을 탐지할 수 있었다.
최근 들어 무선 통신 시스템의 급격한 증가로 인해, 한정된 주파수 자원의 효과적인 배분이 큰 문제로 대두되고 있으며, 이의 근본적인 해결 방안으로서, 초광대역 시간도약 임펄스 라디오 시스템이 많은 관심을 모으고 있다. 임펄스 라디오 시스템은 PPM 변조된 데이터를 1 nsec 이하의 매우 짧은 펄스폭을 갖는 가우시안 모노사이클 펄스를 사용하여 전송한다. 따라서 전송 신호는 매우 낮은 전력의 수 GHz에 이르는 초광대역 스펙트럼을 갖게 되며, 기존의 통신 시스템에 거의 간섭을 미치지 않는 것으로 알려져 있다. 본 논문의 목적은 임펄스 라디오 신호의 다중 경로 전파 특성을 파악하고 다중 경로 환경에서 상관기를 사용하는 수신기의 성능을 평가하는데 있다. 이러한 목적을 위하여 본 논문에서는 결정론적인 2-path 모델과 Saleh와 Valenzuela의 통계적 실내 다중 경로 모델을 고려하였다. 2-path 모델에 대하여 이상적인 기준 파형을 사용하는 상관기의 출력이 간접 경로의 지연 시간과 PPM 이진 데이터의 시간 지연의 상대적 차와 간접 경로의 경로 이득에 의존함을 보이고 모의 실험을 통하여 두 모델에 대한 임펄스 라디오의 비트 오율 특성을 관측하였다. 모의 실험 결과에 의하면 임펄스 라디오의 성능은 간접 경로의 지연 시간과 PPM 이진 데이터의 시간 지연의 상대적 차에 따라서 변하는 것이 관측되었다. 또한 기존의 AWGN (additive white Gaussian noise) 채널 환경에서 사용되는 기준 파형을 다중 경로 채널에서 적용할 수 없음을 관측하였다.
딥러닝은 인공신경망(neural network)이라는 인공지능분야의 모형이 발전된 형태로서, 계층구조로 이루어진 인공신경망의 내부계층(hidden layer)이 여러 단계로 이루어진 구조이다. 딥러닝에서의 주요 모형은 합성곱신경망(convolutional neural network), 순환신경망(recurrent neural network), 그리고 심층신뢰신경망(deep belief network)의 세가지라고 할 수 있다. 그 중에서 현재 흥미로운 연구가 많이 발표되어서 관심이 집중되고 있는 모형은 지도학습(supervised learning)모형인 처음 두 개의 모형이다. 따라서 본 논문에서는 지도학습모형의 가중치를 최적화하는 기본적인 방법인 오류역전파 알고리즘을 살펴본 뒤에 합성곱신경망과 순환신경망의 구조와 응용사례 등을 살펴보고자 한다. 본문에서 다루지 않은 모형인 심층신뢰신경망은 아직까지는 합성곱신경망 이나 순환신경망보다는 상대적으로 주목을 덜 받고 있다. 그러나 심층신뢰신경망은 CNN이나 RNN과는 달리 비지도학습(unsupervised learning)모형이며, 사람이나 동물은 관찰을 통해서 스스로 학습한다는 점에서 궁극적으로는 비지도학습모형이 더 많이 연구되어야 할 주제가 될 것이다.
대부분의 응용분야에서 GNSS가 주 측위 시스템으로 활용되고 있으나, 방해전파에 대한 취약성으로 인해 최근에 몇몇 국가에서 eLoran 시스템을 GNSS 백업용으로 사용하기 위한 연구를 진행 중이다. eLoran 시스템의 구축을 위해서는 기존 Loran 시스템에서 설비의 업그레이드, 데이터 채널 사용, dLoran 사이트 추가 구성, 전파 지연오차 보상을 통한 성능 향상이 필요하다. eLoran 신호를 이용한 측위 시에 정확도 성능에 가장 큰 영향을 미치는 오차요소는 육지를 통해 전파될 때 겪는 부가적인 지연요소인 ASF이다. ASF는 지상파 신호가 전파시에 가변적인 고도, 유전율, 도전율 특성을 갖는 육지를 통과하며 발생하는 지연요소이다. 따라서 지상파를 이용한 항법 시에 ASF에 대한 보상모델을 설정하는 것은 매우 중요하다. 본 논문에서는 몬테쓰 모델 (Monteath's Model)을 사용하여 ASF 예측치를 모델링하고, Loran 신호를 이용한 실측을 통해 ASF 실측치를 측정한 후, ASF 예측치와 실측치를 비교하고 특성을 도출하였다. 실험대상 지역은 대전 KRISS와 포항 근방이며, GRI 9930 체인 중 주국인 포항 송신국의 신호를 사용하였다. 실험을 통해 ASF 실측치의 반복성을 확인하고, ASF 예측치와 실측치 간에 일정한 추이를 보이는 것을 확인하였다.
정보기술의 비약적 발전에 힘입어, 오늘날 기업들은 지금까지 축적한 고객 데이터를 기반으로 맞춤형 서비스를 제공하는 것에 많은 관심을 가지고 있다. 고객에게 소구하는 맞춤형 서비스를 효과적으로 제공하기 위해서는 우선 그 고객이 처한 상태나 상황을 정확하게 인지하는 것이 중요하다. 특히, 고객에게 서비스가 전달되는 이른바 진실의 순간에 해당 고객의 감정 상태를 정확히 인지할 수 있다면, 기업은 더 양질의 맞춤형 서비스를 제공할 수 있을 것이다. 이와 관련하여 사람의 얼굴과 행동을 이용하여 사람의 감정을 판단하고 개인화 서비스를 제공하기 위한 연구가 활발하게 이루어지고 있다. 얼굴 표정을 통해 사람의 감정을 판단하는 연구는 좀 더 미세하고 확실한 변화를 통해 정확하게 감정을 판단할 수 있지만, 장비와 환경의 제약으로 실제 환경에서 다수의 관객을 대상으로 사용하기에는 다소 어려움이 있다. 이에 본 연구에서는 Plutchik의 감정 분류 체계를 기반으로 사람들의 행동을 통해 감정을 추론해내는 모형을 개발하는 것을 목표로 한다. 본 연구는 콘텐츠에 의해 유발된 사람들의 감정적인 변화를 사람들의 행동 변화를 통해 판단하고 예측하는 모형을 개발하고, 4가지 감정 별 행동 특징을 추출하여 각 감정에 따라 최적화된 예측 모형을 구축하는 것을 목표로 한다. 모형 구축을 위해 사람들에게 적절한 감정 자극영상을 제공하고 그 신체 반응을 수집하였으며, 사람들의 신체 영역을 나누었다. 특히, 모션캡쳐 분야에서 널리 쓰이는 차영상 기법을 적용하여 사람들의 제스쳐를 추출 및 보정하였다. 이후 전처리 과정을 통해 데이터의 타임프레임 셋을 20, 30, 40 프레임의 3가지로 설정하고, 데이터를 학습용, 테스트용, 검증용으로 구분하여 인공신경망 모형을 통해 학습시키고 성과를 평가하였다. 다수의 일반인들을 대상으로 수집된 데이터를 이용하여 제안 모형을 구축하고 평가한 결과, 프레임셋에 따라 예측 성과가 변화함을 알 수 있었다. 감정 별 최적 예측 성과를 보이는 프레임을 확인할 수 있었는데, 이는 감정에 따라 감정의 표출 시간이 다르기 때문인 것으로 판단된다. 이는 행동에 기반한 제안된 감정예측모형이 감정에 따라 효과적으로 감정을 예측할 수 있으며, 실제 서비스 환경에서 사용할 수 있는 효과적인 알고리즘이 될 수 있을 것으로 기대할 수 있다.
본 연구에서는 2005년부터 2008년 사이 한반도에서 고농도 $SO_2$가 관측된 날에 대하여 Ozone Monitoring Instrument (OMI) 이산화황자료 및 역궤적 계산을 통해서 중국으로부터 한반도로 장거리 수송되는 이산화황 flux의 계산 방법을 처음으로 소개하였다. 지표공기에서 측정된 이산화황 농도값과 OMI 센서에서 측정된 이산화황 층적분농도값을 이용하여 장거리 수송된 지표공기에서의 이산화황 flux와 지표부터 특정고도 사이 공기층 내에서의 평균 이산화황 flux를 각각 계산하였다. 위성관측을 이용하여 산출된 평균 flux값은 0.81 이고 최대 $2.11g{\cdot}m^{-2}{\cdot}h^{-1}$ 까지 산출되었고, 지점관측을 통한 지표공기로 유입되는 이산화황의 flux값은 평균 0.50 이고 최대 $1.18g{\cdot}m^{-2}{\cdot}h^{-1}$ 까지 산출 되었다. OMI센서와 지점관측 자료를 바탕으로 산출된 각각의 flux를 상호 비교하였으며 대부분의 경우 수용지역의 지표공기로 유입되는 이산화황 flux 값들이 지표부터 최대 1.5 km 사이의 장거리 수송되어 유입된 공기층 내의 평균 이산화황 flux 값들보다 높은 것으로 계산되었다. 발생원 지역에서 강한 저기압이 발견되는 경우를 포함하여 중국 발생원 지역으로부터 장거기 수송된 공기덩어리가 수용지역의 1.0에서 1.5 km 고도로 빠르게 유입되는 경우 지표부터 최대 1.5 km 사이 공기층 내의 평균 이산화황 flux 는 지표공기에서 산출된 flux 보다 높게 산출되는 경향을 보였다. 추가적으로 산출된 $SO_2$ flux값의 오차를 계산하고 오차값에 영향을 주는 인자들에 대해서 논의 하였다.
본 연구는 뉴로퍼지 네트워크와 다항식 뉴럴네트워크를 합성한 하이브리드 모델링 구조인 고급 뉴로퍼지 다항식 네트워크(Advanced neurofuzzy polynomial networks ; ANFPN)를 제안한다. 제안된 네트워크 구조는 높은 비선형 규칙 기반 모델로, CI(Computational Intelligence)의 기술, 즉 퍼지집합, 뉴럴네트워크, 유전자 알고리즘에 의해 설계되어진다. 뉴로퍼지 네트워크는 ANFPN 구조의 전반부를, 다항식 뉴럴네트워크는 후반부를 구성한다. ANFPN의 전반부에서, 뉴로퍼지 네트워크는 간략추론, 오류역전파 학습 규칙을 이용한다. 멤버쉽함수의 파라미터, 학습율, 모멘텀 계수는 유전자 최적화를 이용하여 조절된다. ANFPN의 후반부 구조로서 다항식 뉴럴네트워크는 학습을 통해 생성되는(전개되는) 유연한 네트워크 구조이다. 특히 다항식 뉴럴네트워크의 층과 노드 수는 고정되어 있지 않고 동적으로 생성된다. 본 연구에서는, 2가지 형태의 ANFPN 구조를 제안한다. 즉 기본 구조와 변형된 구조이다. 여기서 기본 구조와 변형된 구조는 다항식 뉴럴네트워크 구조의 각 층에서 입력변수의 수와 회귀다항식의 차수에 의존한다. 두 결합 구조의 특징 때문에 공정 시스템의 비선형적인 특성을 고려할 수 있고 보다 우수한 예측능력을 가진 좋은 출력선응을 얻을 수 있게 한다. ANFPN의 유용성과 실용성은 2개의 수치 예제를 통해 논의된다. 제안된 ANFPN은 기존의 모델보다 높은 정밀도와 예측능력을 가진 모델을 생성함을 보인다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.