본 연구에서는 임베디드 시스템에 적용하기 위해 자원이 제한된 조건의 FPGA를 기반으로 BWN 가속처리를 하는 방법을 제시하였다. 사용할 수 있는 로직의 개수가 제한적이기 때문에 다양한 크기의 Conv-layer, FC-layer를 처리할 수 있는 하나의 연산장치를 설계해서 재활용하였다. Input feature map 데이터를 한번에 병렬처리를 할 수 없는 경우 데이터를 여러 번 읽어서 중간결과를계산하고 합산하여 최종 출력을 계산하였다. 사용할 수 있는 BRAM 모듈 개수가 제한적이기 때문에 BWN 가속기내의 데이터 bit수를 최소화한 구조를 사용하였다. 구현한 BWN가속기의 이미지 분류 처리 시간은 소형 시스템과 비교하였을 때 처리시간 측면에서 우수함을 보였고 고성능 시스템과 비교하였을 때는 데스크탑 PC보다는 빠르고 높은 클럭속도의 GPU시스템의 50%정도 느렸다. BWN가속기는 50MHz의 느린 clock을 사용하므로 성능대비 전력측면에서 유리함을 확인할 수 있었다.
본 연구에서는 실내시험을 통하여 통일분류법(USCS)상 세립질 모래인 실트질 모래(SM)의 세립분 함유율(Fc)에 따른 물리적 특성, 응력 변형 및 강도 특성, 압밀 및 투수 특성을 분석하였다. 또한 실내시험 결과를 바탕으로 세립분 함유율별 SM으로 이루어진 지반에 대한 압밀해석을 실행하고 실제 문제가 발생한 연약지반 개량 현장의 계측자료와 비교 분석하여 연약지반 설계 시 압밀대상층에 대한 SM지반의 적용성 평가를 수행하였다. 실내시험 및 압밀해석 결과 SM은 사질토에서 점성토로의 역학적 특성 변환이 세립분 함유율이 35%이상일 때 이루어졌으며, 현장 계측자료를 이용하여 고찰한 결과 Fc 35% 이상일 경우 SM은 즉시침하보다 압밀침하 경향이 높았으며, 이는 기존의 연약지반 설계기준에서 제시한 SM의 특성과 상이한 결과로 판단된다. 따라서 Fc 35% 이상의 SM에서의 역학적 특성은 점성토와 유사한 것으로 사료되며 이는 기존의 사질토에 대한 즉시침하 경향의 압축특성과는 상이하므로 추후 지속적인 연구를 통한 SM의 역학적 특성 제시가 필요하다. 본 연구 결과 연약지반 판정 시 SM의 압밀침하 발생을 고려해야 할 필요가 있는 것으로 판단되며 추후 연약지반 판정 기준 개정에 도움이 될 수 있도록 실트질 모래의 세립분 함유율에 따른 공학적 특성에 대한 기초자료를 제공하였다.
The present research is an experimental study of subcooled flow boiling behavior using flat, microporousenhanced square heater surfaces in pure FC-72. Two $1-cm^{2}$ copper surfaces, one highly polished (plain) and one microporous coated, were flush-mounted into a 12.7 mm square, horizontal flow channel. Testing was performed for fluid velocities ranging from 0.5 to 4 m/s (Reynolds numbers from 18,700 to 174,500) and pure subcooling levels from 4 to 20 K. Results showed both surfaces' nucleate flow boiling curves collapsed to one line showing insensitivity to fluid velocity and subcooling. The log-log slope of the microporous surface nucleate boiling curves was lower than the plain surface due to the conductive thermal resistance of the microporous coating layer. Both, increased fluid velocity and subcooling, increase the CHF values for both surfaces, however, the already enhanced boiling characteristics of the microporous coating appear dominant and require higher fluid velocities to provide additional enhancement of CHF to the microporous surface.
Park, Young Cheol;Kim, Poong Ho;Jung, Yeoun Joong;Lee, Ka Jeong;Kim, Min Seon;Go, Kyeong Ri;Park, Sang Gi;Kwon, Soon Jae;Yang, Ji Hye;Mok, Jong Soo
Fisheries and Aquatic Sciences
/
제19권4호
/
pp.17.1-17.9
/
2016
The seasonal variation of fecal coliforms (FCs) and physicochemical factors was determined in seawaters of the Hansan-Geojeman area, including a designated area for oyster, and in inland pollution sources of its drainage basin. The mean daily loads of FCs in inland pollution sources ranged from $1.2{\times}10^9$ to $3.1{\times}10^{11}$ most probable number (MPN)/day; however, the pollutants could not be reached at the designated area. FC concentrations of seawaters were closely related to season, rainfall, and inland contaminants, however, within the regulation limit of various countries for shellfish. The highest concentrations for chemical oxygen demand (COD) and $chlorophyll-{\alpha}$ in seawaters were shown in the surface layer during August with high rainfall, whereas the lowest for dissolved oxygen (DO) in the bottom layer of the same month. Therefore, it indicates that the concentrations of FC, COD, DO, and $chlorophyll-{\alpha}$ of seawaters were closely related to season and rainfall.
Convolutional Neural Network (ConvNet)은 시각적 특징의 계층 구조를 분석하고 학습할 수 있는 대표적인 심층 신경망이다. 첫 번째 신경망 모델인 Neocognitron은 80 년대에 처음 소개되었다. 당시 신경망은 대규모 데이터 집합과 계산 능력이 부족하여 학계와 산업계에서 널리 사용되지 않았다. 그러나 2012년 Krizhevsky는 ImageNet ILSVRC (Large Scale Visual Recognition Challenge) 에서 심층 신경망을 사용하여 시각적 인식 문제를 획기적으로 해결하였고 그로 인해 신경망에 대한 사람들의 관심을 다시 불러 일으켰다. 이미지넷 첼린지에서 제공하는 다양한 이미지 데이터와 병렬 컴퓨팅 하드웨어 (GPU)의 발전이 Krizhevsky의 승리의 주요 요인이었다. 그러므로 최근의 딥 컨볼루션 신경망의 성공을 병렬계산을 위한 GPU의 출현과 더불어 ImageNet과 같은 대규모 이미지 데이터의 가용성으로 정의 할 수 있다. 그러나 이러한 요소는 많은 도메인에서 병목 현상이 될 수 있다. 대부분의 도메인에서 ConvNet을 교육하기 위해 대규모 데이터를 수집하려면 많은 노력이 필요하다. 대규모 데이터를 보유하고 있어도 처음부터 ConvNet을 교육하려면 많은 자원과 시간이 소요된다. 이와 같은 문제점은 전이 학습을 사용하면 해결할 수 있다. 전이 학습은 지식을 원본 도메인에서 새 도메인으로 전이하는 방법이다. 전이학습에는 주요한 두 가지 케이스가 있다. 첫 번째는 고정된 특징점 추출기로서의 ConvNet이고, 두번째는 새 데이터에서 ConvNet을 fine-tuning 하는 것이다. 첫 번째 경우, 사전 훈련 된 ConvNet (예: ImageNet)을 사용하여 ConvNet을 통해 이미지의 피드포워드 활성화를 계산하고 특정 레이어에서 활성화 특징점을 추출한다. 두 번째 경우에는 새 데이터에서 ConvNet 분류기를 교체하고 재교육을 한 후에 사전 훈련된 네트워크의 가중치를 백프로퍼게이션으로 fine-tuning 한다. 이 논문에서는 고정된 특징점 추출기를 여러 개의 ConvNet 레이어를 사용하는 것에 중점을 두었다. 그러나 여러 ConvNet 레이어에서 직접 추출된 차원적 복잡성을 가진 특징점을 적용하는 것은 여전히 어려운 문제이다. 우리는 여러 ConvNet 레이어에서 추출한 특징점이 이미지의 다른 특성을 처리한다는 것을 발견했다. 즉, 여러 ConvNet 레이어의 최적의 조합을 찾으면 더 나은 특징점을 얻을 수 있다. 위의 발견을 토대로 이 논문에서는 단일 ConvNet 계층의 특징점 대신에 전이 학습을 위해 여러 ConvNet 계층의 특징점을 사용하도록 제안한다. 본 논문에서 제안하는 방법은 크게 세단계로 이루어져 있다. 먼저 이미지 데이터셋의 이미지를 ConvNet의 입력으로 넣으면 해당 이미지가 사전 훈련된 AlexNet으로 피드포워드 되고 3개의 fully-connected 레이어의 활성화 틀징점이 추출된다. 둘째, 3개의 ConvNet 레이어의 활성화 특징점을 연결하여 여러 개의 ConvNet 레이어의 특징점을 얻는다. 레이어의 활성화 특징점을 연결을 하는 이유는 더 많은 이미지 정보를 얻기 위해서이다. 동일한 이미지를 사용한 3개의 fully-connected 레이어의 특징점이 연결되면 결과 이미지의 특징점의 차원은 4096 + 4096 + 1000이 된다. 그러나 여러 ConvNet 레이어에서 추출 된 특징점은 동일한 ConvNet에서 추출되므로 특징점이 중복되거나 노이즈를 갖는다. 따라서 세 번째 단계로 PCA (Principal Component Analysis)를 사용하여 교육 단계 전에 주요 특징점을 선택한다. 뚜렷한 특징이 얻어지면, 분류기는 이미지를 보다 정확하게 분류 할 수 있고, 전이 학습의 성능을 향상시킬 수 있다. 제안된 방법을 평가하기 위해 특징점 선택 및 차원축소를 위해 PCA를 사용하여 여러 ConvNet 레이어의 특징점과 단일 ConvNet 레이어의 특징점을 비교하고 3개의 표준 데이터 (Caltech-256, VOC07 및 SUN397)로 실험을 수행했다. 실험결과 제안된 방법은 Caltech-256 데이터의 FC7 레이어로 73.9 %의 정확도를 얻었을 때와 비교하여 75.6 %의 정확도를 보였고 VOC07 데이터의 FC8 레이어로 얻은 69.2 %의 정확도와 비교하여 73.1 %의 정확도를 보였으며 SUN397 데이터의 FC7 레이어로 48.7%의 정확도를 얻었을 때와 비교하여 52.2%의 정확도를 보였다. 본 논문에 제안된 방법은 Caltech-256, VOC07 및 SUN397 데이터에서 각각 기존에 제안된 방법과 비교하여 2.8 %, 2.1 % 및 3.1 %의 성능 향상을 보였다.
본 연구에서는 수원 성균관대학교 내 Frequency Domain Reflectometry (FDR) 토양수분 측정 장비 및 COSMIC-ray 중성자 측정 장비를 통한 토양수분 지점 관측 사이트를 확립하였다. 또한 양질의 토양수분 데이터 확보를 위해 연구지역 내 토질실험, 토질별 FDR 토양수분 데이터 및 COSMIC-ray 중성자 개수의 시계열 분석, 관측한 토양수분 데이터와 위성 기반 토양수분 데이터와의 비교분석을 실시하였다. 2014년도부터 6개 지점에서 표층으로부터 5 cm에서 40 cm까지 총 24개의 FDR 센서를 5~10 cm 깊이별로 설치하여 토양수분 데이터를 측정하였다. 해당 지점들의 토질 분석결과, Sand에서 Loamy Sand까지의 다양한 토질이 불균질한 층을 이루어 분포되어 있는 것으로 판단되었다. 측정된 토양수분 데이터는 강우 데이터와 높은 상관성을 보이며, 위성 산출 토양수분 데이터와의 비교에서도 상대적으로 높은 상관관계와 낮은 평균제곱근편차(Root mean square deviation, RMSD)값을 보여주었다. 2014년도 설치 지역 토양수분 데이터의 신뢰도가 확보됨에 따라 2015년도에는 10개의 FDR 토양수분 측정 장비 및 COSMIC-ray 중성자 측정 장비가 추가로 설치되어 성균관대학교의 Soil Moisture site with FDR and COSMIC-ray(SM-FC) 연구지역이 구축되었다. SM-FC에 설치된 COSMIC-ray 중성자 측정 장비의 최초 검증을 위해 2015년 8~11월의 COSMIC-ray 중성자 데이터 및 FDR 토양수분 데이터가 활용되었다. 중성자기반 토양수분 값과 전체 지점 FDR 토양수분 평균값을 비교한 결과 매우 높은 상관관계를 볼 수 있었다 (상관계수 0.95). 이러한 연구를 통해 성균관대학교 SM-FC는 향후 한반도 지역 위성 및 모델 토양수분 데이터를 검증하는 대표 연구지역이 될 것으로 기대된다.
Polymer electrolyte membrane fuel cell (PEMFC) performance degrades when hydrogen sulfide ($H_2S$) is present in the fuel hydrogen gas; this is referred to as $H_2S$ poisoning. This paper reveals $H_2S$ poisoning on PEMFC by measuring electrical performance of single cell FC under various operating conditions. The severity of $H_2S$ poisoning depended on $H_2S$ concentration under best operating conditions($65^{\circ}C$ of cell temperature and 100% of anode humidification). $H_2S$ adsorption occured on the surface of catalyst layer on MEA, but not on the gas diffusion layer(GDL) by analyzing SEM/EDX data. In addition, MEA poisoning by $H_2S$ was cumulative but reversible. After poisoning for less than 150 min, performance of PEMFC was recovered up to 80% by just inert nitrogen gas purging.
본 논문에서는 주목 메커니즘 기반의 심층 신경망을 사용한 음성 감정인식 방법을 제안한다. 제안하는 방식은 CNN(Convolution Neural Networks), GRU(Gated Recurrent Unit), DNN(Deep Neural Networks)의 결합으로 이루어진 심층 신경망 구조와 주목 메커니즘으로 구성된다. 음성의 스펙트로그램에는 감정에 따른 특징적인 패턴이 포함되어 있으므로 제안하는 방식에서는 일반적인 CNN에서 컨벌루션 필터를 tuned Gabor 필터로 사용하는 GCNN(Gabor CNN)을 사용하여 패턴을 효과적으로 모델링한다. 또한 CNN과 FC(Fully-Connected)레이어 기반의 주목 메커니즘을 적용하여 추출된 특징의 맥락 정보를 고려한 주목 가중치를 구해 감정인식에 사용한다. 본 논문에서 제안하는 방식의 검증을 위해 6가지 감정에 대해 인식 실험을 진행하였다. 실험 결과, 제안한 방식이 음성 감정인식에서 기존의 방식보다 더 높은 성능을 보였다.
This study was carried out to get the basic information of irrigation plans for upland crops such as the optimum irrigation level and the project water requirement. Red peppers and cucumbers were cultivated in PVC pot lysimeters filled with 60cm deep clay loam soil. Four tensiometers were installed in each pot to measure the soil water pressure head. Six levels of irrigation were used. The results obtained from this study are summarized as follows: 1.The optimum irrigation level. The irrigation level of FC-PF2.7 was found to be the optimum level for both red pepper and cucumber with respect to the yield and the weight per fruit. In case of FC-PF2.7, total ET during the irrigation period were 1005.2mm for red pepper, and 429.6mm for cucumber, respectively. 2.soil moisture extraction patterns. Average soil moisture extraction patterns (SMEP)during the irrigation period were from 1st soil layer 43% : 32% : 16% : 9% for red pepper and 39% : 34% : 15% : 12% for cucumber, respectively. The extraction ratio of the upper soils showed very large values during the early stage of growth and decreased largely during the middle stage, and became larger in the last stage. 3.The project water requirement. Among the reference crop evapotranspiration(ETo) computation methods presented by FAO, the Penman method was found to be the best. The effective rainfall was computed by a modified USDA-SCS curve number equation. Availability ratios of the total rainfall during irrigation season were 59.2% for red pepper and 48.9% for cucumber, respectively. Net project water requirement of design year are 837.3mm for red pepper. and 502.Smm for cucumber, respectively.
최근 위성영상, 항공사진 등의 해상도가 향상됨에 따라 고해상도 원격탐사 자료를 이용한 다양한 연구가 진행되고 있다. 특히, 국토 전역의 건물객체 추출은 수치지도 레이어 및 주제도 작성에 필수적이기 때문에 높은 정확도가 요구된다. 본 연구에서는 딥러닝의 영상처리 기법 중 의미론적 분할에 사용되는 대표적인 모델인 SegNet, U-Net, FC-DenseNet, HRNetV2를 이용하여 건물객체 추출 모델을 생성하고, 이에 따른 모델의 평가를 수행하였다. 학습자료는 다양한 건물들로 이루어진 영상을 이용하여 생성하였고, 평가는 세 지역에 나누어서 진행하였다. 먼저 학습자료와 인접한 지역을 통해 모델의 성능을 평가하였고, 이후 학습자료와 상이한 지역을 통해 모델의 적용성을 평가하였다. 그 결과 HRNetV2 모델이 건물객체 추출의 성능과 적용성 면에서 가장 우수한 결과를 보였다. 본 연구를 통해 수치지도 내 건물레이어 생성 및 수정의 가능성을 확인하였다.
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.