본 리뷰 논문에서는 일반 접촉 역학 이론과 더불어 유기탄성체 마찰에 관한 이론 및 배경을 소개한다. 특히 Greenwood & Williamson 접촉 역학 이론을 확장하여 거친 표면을 자기-아핀(self-affine) 특성으로 고려한 접촉 역학 및 마찰의 수학적 모델을 제시한 Klüppel & Heinrich 이론을 중심으로 유기탄성체 복합재료의 마찰 거동에 대해 살펴본다. 자기-아핀 특성에 의한 노면의 멀티스케일 거칠기로 인해 미끄러짐 마찰 시 유기탄성체 복합재료는 다양한 주파수에 따른 동적 변형이 가해지며 이때 재료가 나타내는 점탄성이 마찰 거동에 주요한 영향을 미친다. 따라서 유기탄성체 복합재료의 비선형 점탄성을 고려하여 광범위한 주파수 영역에서의 점탄성 거동인 마스터커브를 구축하는 원리 및 방법을 제시하였다. 마지막으로 유기탄성체 복합재료 마찰 이론을 타이어 트레드 컴파운드와 노면 간의 마찰에 응용한 실험적 결과와 그 물리적 의미를 이론과 접목하여 설명하였다.
Journal of the Korean Association of Oral and Maxillofacial Surgeons
/
제48권1호
/
pp.41-49
/
2022
Objectives: We compared changes in fractal dimension (FD) and grayscale value (GSV) of peri-implant alveolar bone on digital panoramic radiography (DPR) and cone-beam computed tomography (CBCT) immediately after implant surgery and 12 months postoperative. Materials and Methods: In this retrospective study, 16 patients who received posterior mandibular area dental implants with CBCT scans taken about 2 weeks after implantation and one year after implantation were analyzed. A region of interest was selected for each patient. FDs and GSVs were evaluated immediately after implant surgery and at 12-month follow-up to examine the functional loading of the implants. Results: There were no significant differences between DPR and CBCT measurements of FD values (P>0.05). No significant differences were observed between FD values and GSVs calculated after implant surgery and at the 12-month follow-up (P>0.05). GSVs were not correlated with FD values (P>0.05). Conclusion: The DPR and reconstructed panoramic CBCT images exhibit similar image quality for the assessment of FD. There were no changes in FD values or GSVs of the peri-implant trabecular bone structure at the 12-month postoperative evaluation of the functional loading of the implant in comparison to values immediately after implantation. GSVs representing bone mass do not align with FD values that predict bone microstructural parameters. Therefore, GSVs and FDs should be considered different parameters for assessing bone quality.
Quality factor Q 값은 처음 도착(倒着)한 P파(波)의 주기당(週期當) 에너지 손실(損失)을 주파수(周波數)의 함수(函數)로 직접(直接) 측정(測定)할 수 있다. 이때 관심(關心)의 대상(對象)이 되는 주파수대(周波數帶)(주로 1-100 Hz)내(內)에서 고유(固有) Q는 주파수(周波數)와 무관(無關)하고, 산란(散亂) Q는 주파수(周波數)와 밀접(密接)한 관계(關係)가 있다는 가정하(假定下)에 고유(固有) Q값과 산란(散亂) Q값의 전체(全體) Q값에 대(對)한 상대적(相對的)인 비솔(比率)을 계산(計算)할 수 있다. 이에 대(對)한 검증(檢證)은 탄성파(彈性波)가 점탄성(粘彈性)이고 부균질(不均質)한 매질(媒質)을 통과(通過)할 때의 합성탄성파(合成彈性波) 기록지(記錄紙)를 만들고 고유(固有) Q에 대(對)해서는 완화기구(緩和機具)(relaxation mechanism)가, 산란(散亂) Q에 대(對)해서는 산란(散亂)(satter)에 대(對)한 fractal 분포(分布)가 포함(包含)되는 pseudospectral 해(解)를 이용(利用)하여 실시(實施)될 수 있다. 대체로 S파(波)의 전체(全體) Q값이 P파(波)의 전체(全體) Q값보다 더 작다는 것이 정설(定說)로 되어있다. 역(逆)으로, 전체(全體) Q값은 합성탄성파(合成彈性波) 기록지(記錄紙)로 부터 최소자승법(最小自乘法)을 이용(利用)하여 구(求)할 수 있다. 이때 가정(假定)된 Q값의 절대값이 충분(充分)히 작아야만 P파(波)와 S파(波)의 고유(固有) Q값($Q_p$와 $Q_s$)의 가정(假定)은 신빙성(信憑性)이 높고 또한 유일(唯一)한 값을 가질 수 있다. 산란(散亂) Q값으로 부터 결정(決定)할 수 있는 매질(媒質)의 속도(速度)와 산란(散亂)의 크기에 대(對)한 표준편차(標准偏差)는 Blair의 수식(數式)에서 예측(豫測)할 수 있듯이 서로 상호보완관계(相互補完關係)에 있기 때문에 여러가지의 값을 가질 수 있다. 본(本) 연구결과에 의(依)하면, P파(波)에 있어서는 고유(固有) Q와 산란(散亂) Q가 모두 중요(重要)한 요소(要素)로 작용(作用)하며, S파(波)에 있어서는 고유(固有) Q가 산란(散亂) Q보다 더 중요(重要)한 요소(要素)로 작용(作用)한다.
본 연구의 목적은 트레드밀 보행 시, gait dynamics 측면에서 보행의 속도 변화와 인지과제 수행 시 보행 변인의 가변성(variability)을 알아보고자 하는 것이다. 실험은 인지과제의 동시수행 유/무에 따른 5가지 속도(선호속도의 80%, 90%, 100%, 110% and 120%)에 의한 보행 실험으로 구성되었다. 인지과제의 종류는 학습기능이 없는 인지과제(2-back task)를 수행하였다. 인지과제는 피험자의 트레드밀 보행 시, 3m 앞에 놓여진 스크린에 주어지고 무선마우스를 통해 응답하는 형태로 구성되었다. 실험의 모든 과정은 3차원 동작분석기를 통해 동작데이터를 획득하였다. 이를 통해, 5가지 보행 시간 변인과 3가지 공간 변인을 추출하였다. gait dynamics 측면의 분석을 위해, 가변성의 크기를 살펴볼 수 있는 방법인 분산계수(coefficient of variance)와 변동량의 구조적 자기 유사성을 추론할 수 있는 detrended fluctuation analysis (DFA)를 사용하였다. 그 결과 보행 속도 변화에 따라 보행 변인의 평균값과 분산계수에서 통계적 유의한 차이가 발생하였고, 인지과제의 수행 유/무에 따라서는 DFA에서 통계적인 차이가 발생하였다. 이는 인지과제의 수행에 의해 보행의 발생과 조절 능력에 영향을 끼쳤다고 추론할 수 있다. 본 연구 결과를 명백히 하기 위해 더 많은 수의 피험자 실험과 추가 실험이 필요할 것이다.
Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support fer multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To date, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques' results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.
주가가 정규분포보다 꼬리가 두꺼운 확률변수인 점, 주가의 변동이 군집화를 이루고 있는 현상, 주가가 장기기억과정에 의하여 생성되고 있다는 점이 실증분석을 통하여 밝혀지고 있다. 주가를 형성시키는 이 세 요소가 하나의 모형내에 통합되지 못하고 있는 실정인데. 이 세 요소가 통합되는 확률과정이 다중프랙탈과정이다. 다중프랙탈과정은 표준브라운 운동과정과 랜덤시간 변형과정의 결합을 통하여 얻게되는 확률과정이다. 이 과정은 Ito형의 확률과정에 포함되지 않는 연속과정인 것이다. 본 논문에서는 주가시계열의 Pareto-Levy 분포성, 분포의 두꺼운 꼬리성질, 시계열상관이 쌍곡선율로 완만하고 무척 더디게 감소하여 장기에 걸쳐서 평균에 회귀하는 장기기억성, 군집화 현상, 거래시간의 통합성을 포괄하는 다중프랙탈과정의 성질을 살펴보고 이 과정이 주가를 생성시키는 과정인지 아닌지를 검정하는데 그 목적을 둔다. 다중프랙탈과정은 표준브라운 운동과 시간변형과정의 통합을 통하여 형성된 확률과정이다. 시간변형과정은 주가의 군집화 현상을 포착하는 과정이다. 표준브라운 운동은 이 운동과 시간 변형과정의 통합화 속에서 분수브라운운동의 성질이 용해되어 장기기억과정을 포착해준다. 다중프랙탈성은 관찰치들의 시간척축이 변함에 따라 발생하는 확률과정의 적률에 가해진 일련의 제약조건이라 할 수 있다. 이 모형은 마팅게일 성질을 만족하는 모형으로 변형시킬 수도 있으며 자기회귀 조건부 이분산 모형을 대체할 수 있는 모형이다. 이 모형에서는 자기상관을 가지고 있지 않은 수익률에도 적용가능하며, 따라서 시장효율성을 점검하는데에도 이용할 수 있다. 이 모형은 축척일치성이라는 성질이 존재하므로 데이터의 총량화가 무리 없이 이루어질 수 있다. 다중프랙탈은 국소축척구성성질을 가지고 있으며, 시간의 흐름에 따라 변할 수 있는 국소축척구성요소를 내포하고 있다. 자본자산의 다중프랙탈 과정을 한국종합주가지수에 적용하였는 바, 이 과정이 한국종합주가 지수의 행동 잘 설명하고 있다. 따라서 한국종합주가지수는 분포의 꼬리의 두꺼움, 자산가격의 군집화현상, 특이한 값, 장기기억을 내포하고 있다.
인공신경망을 시계열예측에 적용하는 경우에 고려되어야 할 문제중, 특히 모형에 적합한 입력변수의 생성이 중요시되고 있는데, 이러한 분야는 인공신경망의 모형생성과정에서 입력변수에 대한 전처리기법으로써 다양하게 제시되어 왔다. 가장 최근의 입력변수 전처리기법으로써 제시되고 있는 신호처리기법은 전통적 주기분할처리방법인 푸리에변환기법(Fourier transforms)을 비롯하여 이를 확장시킨 개념인 웨이블릿변환기법(wavelet transforms) 등으로 대별될 수 있다. 이는 기본적으로 시계열이 다수의 주기(cycle)들로 구성된 상이한 시계열들의 집합이라는 가정에서 출발하고 있다. 전통적으로 이러한 시계열은 전기 또는 전자공학에서 주파수영역분할, 즉 고주파 및 저주파수를 분할하기 위한 기법에 적용되어 왔다. 그러나, 최근에는 이러한 연구가 다양한 분야에 활발하게 응용되기 시작하였으며, 그 중의 대표적인 예가 바로 경영분야의 재무시계열에 대한 분석이다. 전통적으로 재무시계열은 장, 단기의사결정을 가진 시장참여자들간의 거래특성이 시계열에 각기 달리 가격으로 반영되기 때문에 이러한 상이한 집단들의 고요한 거래움직임으로 말미암아 예를 들어, 주식시장이 프랙탈구조를 가지고 있다고 보기도 한다. 이처럼 재무시계열은 다양한 사회현상의 집합체라고 볼 수 있으며, 그만큼 예측모형을 구축하는데 어려움이 따른다. 본 연구는 이러한 시계열의 주기적 특성에 기반을 둔 신호처리분석으로서 기존의 시계열로부터 노이즈를 줄여 주면서 보다 의미있는 정보로 변환시켜줄 수 있는 웨이블릿분석 방법론을 새로운 필터링기법으로 사용하여 현재 많은 연구가 진행되고 있는 인공신경망의 모형결합을 통해 기존연구과는 다른 새로운 통합예측방법론을 제시하고자 한다. 본 연구에서는 제시하는 통합방법론은 크게 2단계 과정을 거쳐 예측모형으로 완성이 된다. 즉, 1차 모형단계에서 원시 재무시계열은 먼저 웨이브릿분석을 통해서 노이즈가 필터링 되는 동시에, 과거 재무시계열의 프랙탈 구조, 즉 비선형적인 움직임을 보다 잘 반영시켜 주는 다차원 주기요소를 가지는 시계열로 분해, 생성되며, 이렇게 주기에 따라 장단기로 분할된 시계열들은 2차 모형단계에서 신경망의 새로운 입력변수로서 사용되어 최종적인 인공 신경망모델을 구축하는 데 반영된다. 기존의 주기분할방법론은 모형개발자입장에서 여러 가지 통계기준치중에서 최적의 기준치를 합리적으로 선택해야 하는 문제가 추가적으로 발생하며, 본 연구에서는 이상의 제반 문제들을 개선시키기 위해 통합방법론으로서 기존의 인공신경망모형을 구조적으로 확장시켰다. 이 모형에서 기존의 입력층 이전단계에 새로운 층이 정의된다. 이렇게 해서 생성된 새로운 통합모형은 기존모형에서 생성되는 기본적인 학습파라미터와 더불어, 본 연구에서 새롭게 제시된 주기분할층의 파라미터들이 모형의 학습성과를 높이기 위해 함께 고려된다. 한편, 이러한 학습과정에서 추가적으로 고려해야 할 파라미터 갯수가 증가함에 따라서, 본 모델의 학습성과가 local minimum에 빠지는 문제점이 발생될 수 있다. 즉, 웨이블릿분석과 인공신경망모형을 모두 전역적으로 최적화시켜야 하는 문제가 발생한다. 본 연구에서는 이 문제를 해결하기 위해서, 최근 local minimum의 가능성을 최소화하여 전역적인 학습성과를 높여 주는 인공지능기법으로서 유전자알고리즘기법을 본 연구이 통합모델에 반영하였다. 이에 대한 실증사례 분석결과는 일일 환율예측문제를 적용하였을 경우, 기존의 방법론보다 더 나운 예측성과를 타나내었다.
Detecting the features of significant patterns from their own historical data is so much crucial to good performance specially in time-series forecasting. Recently, a new data filtering method (or multi-scale decomposition) such as wavelet analysis is considered more useful for handling the time-series that contain strong quasi-cyclical components than other methods. The reason is that wavelet analysis theoretically makes much better local information according to different time intervals from the filtered data. Wavelets can process information effectively at different scales. This implies inherent support for multiresolution analysis, which correlates with time series that exhibit self-similar behavior across different time scales. The specific local properties of wavelets can for example be particularly useful to describe signals with sharp spiky, discontinuous or fractal structure in financial markets based on chaos theory and also allows the removal of noise-dependent high frequencies, while conserving the signal bearing high frequency terms of the signal. To data, the existing studies related to wavelet analysis are increasingly being applied to many different fields. In this study, we focus on several wavelet thresholding criteria or techniques to support multi-signal decomposition methods for financial time series forecasting and apply to forecast Korean Won / U.S. Dollar currency market as a case study. One of the most important problems that has to be solved with the application of the filtering is the correct choice of the filter types and the filter parameters. If the threshold is too small or too large then the wavelet shrinkage estimator will tend to overfit or underfit the data. It is often selected arbitrarily or by adopting a certain theoretical or statistical criteria. Recently, new and versatile techniques have been introduced related to that problem. Our study is to analyze thresholding or filtering methods based on wavelet analysis that use multi-signal decomposition algorithms within the neural network architectures specially in complex financial markets. Secondly, through the comparison with different filtering techniques results we introduce the present different filtering criteria of wavelet analysis to support the neural network learning optimization and analyze the critical issues related to the optimal filter design problems in wavelet analysis. That is, those issues include finding the optimal filter parameter to extract significant input features for the forecasting model. Finally, from existing theory or experimental viewpoint concerning the criteria of wavelets thresholding parameters we propose the design of the optimal wavelet for representing a given signal useful in forecasting models, specially a well known neural network models.
최근 센서 네트워크의 발달로 실세계의 많은 데이타가 시간 속성을 갖고 실시간으로 수집되고 있다. 기존의 시계열 데이타 예측 기법은 모델 갱신 없이 예측을 수행하였다. 그러나 스트림 데이타는 매우 빠르게 수집이 되고 시간이 지남에 따라 데이타의 특성이 변경될 수 있으므로 기존의 시계열 예측 기법을 적용하는 것은 적절하지 않다. 따라서 이 논문에서는 슬라이딩 윈도우와 점진적인 회귀분석을 이용한 스트림 데이타 예측 기법을 제안한다. 이 기법은 스트림 데이타를 다중 회귀 모델에 입력하기 위해 차원 분열을 통해 여러 개의 속성으로 분열(Fractal)하고, 변화되는 데이타의 분포를 반영하기 위해 슬라이딩 윈도우 기법을 사용하여 점진적으로 회귀 모델을 갱신한다. 또한 고정 크기 큐를 이용하여 최근의 데이타로만 모델을 유지한다. 이전 데이타의 유지 없이 최소 정보를 갖는 행렬을 통해 모델을 갱신하므로 낮은 공간 복잡도를 갖고 점진적으로 모델을 갱신함으로써 에러율의 증가를 방지한다. 제안된 기법의 타당성은 RME(Relative Mean Error)와 RMSE(Root Mean Square Error)를 이용하여 측정하였고, 실험 결과 다른 기법에 비해 우수하였다.
Atomic force microscopy/friction force microscopy (AFM/FFM) techniques are increasingly used for tribological studies of engineering surfaces at scales, ranging from atomic and molecular to microscales. These techniques have been used to study surface roughness, adhesion, friction, scratching/wear, indentation, detection of material transfer, and boundary lubrication and for nanofabrication/nanomachining purposes. Micro/nanotribological studies of single-crystal silicon, natural diamond, magnetic media (magnetic tapes and disks) and magnetic heads have been conducted. Commonly measured roughness parameters are found to be scale dependent, requiring the need of scale-independent fractal parameters to characterize surface roughness. Measurements of atomic-scale friction of a freshly-cleaved highly-oriented pyrolytic graphite exhibited the same periodicity as that of corresponding topography. However, the peaks in friction and those in corresponding topography were displaced relative to each other. Variations in atomic-scale friction and the observed displacement has been explained by the variations in interatomic forces in the normal and lateral directions. Local variation in microscale friction is found to correspond to the local slope suggesting that a ratchet mechanism is responsible for this variation. Directionality in the friction is observed on both micro- and macro scales which results from the surface preparation and anisotropy in surface roughness. Microscale friction is generally found to be smaller than the macrofriction as there is less ploughing contribution in microscale measurements. Microscale friction is load dependent and friction values increase with an increase in the normal load approaching to the macrofriction at contact stresses higher than the hardness of the softer material. Wear rate for single-crystal silicon is approximately constant for various loads and test durations. However, for magnetic disks with a multilayered thin-film structure, the wear of the diamond like carbon overcoat is catastrophic. Breakdown of thin films can be detected with AFM. Evolution of the wear has also been studied using AFM. Wear is found to be initiated at nono scratches. AFM has been modified to obtain load-displacement curves and for nanoindentation hardness measurements with depth of indentation as low as 1 mm. Scratching and indentation on nanoscales are the powerful ways to screen for adhesion and resistance to deformation of ultrathin fdms. Detection of material transfer on a nanoscale is possible with AFM. Boundary lubrication studies and measurement of lubricant-film thichness with a lateral resolution on a nanoscale have been conducted using AFM. Self-assembled monolyers and chemically-bonded lubricant films with a mobile fraction are superior in wear resistance. Finally, AFM has also shown to be useful for nanofabrication/nanomachining. Friction and wear on micro-and nanoscales have been found to be generally smaller compared to that at macroscales. Therefore, micro/nanotribological studies may help def'me the regimes for ultra-low friction and near zero wear.
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.