Prediction of the time-related traits of pebble flow inside pebble-bed HTGRs is of great significance for reactor operation and design. In this work, an image-driven approach with the aid of a convolutional neural network (CNN) is proposed to predict the remaining time of initially loaded pebbles and the time interval of paired flow images of the pebble bed. Two types of strategies are put forward: one is adding FC layers to the classic classification CNN models and using regression training, and the other is CNN-based deep expectation (DEX) by regarding the time prediction as a deep classification task followed by softmax expected value refinements. The current dataset is obtained from the discrete element method (DEM) simulations. Results show that the CNN-aided models generally make satisfactory predictions on the remaining time with the determination coefficient larger than 0.99. Among these models, the VGG19+DEX performs the best and its CumScore (proportion of test set with prediction error within 0.5s) can reach 0.939. Besides, the remaining time of additional test sets and new cases can also be well predicted, indicating good generalization ability of the model. In the task of predicting the time interval of image pairs, the VGG19+DEX model has also generated satisfactory results. Particularly, the trained model, with promising generalization ability, has demonstrated great potential in accurately and instantaneously predicting the traits of interest, without the need for additional computational intensive DEM simulations. Nevertheless, the issues of data diversity and model optimization need to be improved to achieve the full potential of the CNN-aided prediction tool.
최근 급격한 기술의 발달로 다양한 시스템에서 발생하는 데이터양이 증가하고 있으며, 많은 양의 빅데이터(big data)를 처리해야 하는 엔터프라이즈 서버(enterprise server)와 데이터 센터(data center)의 경우 비용이 증가하더라도 높은 안정성과 고성능의 저장 장치를 적용하는 것이 필요하다. 이러한 시스템에서는 고성능의 읽기/쓰기 성능을 제공하는 SSD(solid state disk)를 저장 장치로 사용하는 경우가 많다. 그러나, 페이지 단위로 읽기 쓰기를 하고 블록단위로 지우기 연산을 해야하고 쓰기 전 지우기 연산을 수행해야 하는 특징 때문에 중복 쓰기가 다발할 경우 성능이 저하되는 문제가 있다. 따라서 이러한 성능 저하 문제를 지연시키기 위해 SSD의 내부적으로 초과 제공(over-provision) 기술을 적용하고 있다. 그러나 초과 제공 기술은 성능 대신 많은 저장공간의 비용을 소모하는 단점이 있기 때문에 적정 성능 이상의 비효율적인 기술의 적용은 과대한 비용을 지불하게 만드는 문제가 있다. 본 논문에서는 SSD에서 다양한 초과 제공을 적용하였을 때 발생하는 성능과 비용을 측정하고, 이를 기반으로 시스템에 최적화된 초과 제공 비율을 예측하는 방법을 제안했다. 본 연구를 통해 빅데이터를 처리하는 시스템에서 성능의 요구사항을 만족하기 위한 비용과의 절충점(trade-off)를 찾을 수 있을 것으로 기대한다.
본 연구에서는 데커신 및 데커시놀 안젤레이트를 이용한 최적의 로션 제조 공정을 확인하기 위하여 연구를 진행하였다. 초기 로션 제형은 3개월 동안 점도(5,208±112 cPs), 함량(99.71±1.01%) 및 pH(5.62)을 유지하는 것을 확인하였다. 제조 공정D 혼합 4의 최적 제조 공정 확인은 22+3 완전 배치 요인법을 이용하였으며, 독립변수로 혼합 온도(40-80℃)와 혼합 시간(10-30 min)으로 종속변수로써 중요품질특성인 함량, pH, 질량편차를 확인하였다. 함량 및 질량편차는 도출된 회귀방적식의 결정계수는 약 0.9였고 p-value값은 0.05보다 작아 모델적합성을 확인하였다. 로션 제조를 위한 최적의 온도조건과 혼합 시간은 61.93℃와 15.85분으로 확인되었다. 혼합4 공정에 있어 혼합 온도(60℃)와 혼합 시간(15 min)에서의 함량은 100.69%, pH는 5.57, 질량편차는 98.07%으로 예측되었고, 실제 검증에서는 각각 100.29±0.98%, 5.57±0.02, 98.27±0.89%으로 예측된 값에 대하여 유사한 결과까지 확인 할 수 있었다.
최근 ChatGPT나 자율주행 자동차 등의 인공지능 분야의 급속한 발전으로 인해 인공지능에 대한 관심이 높아졌다. 그러나 아직 인공지능은 학습 과정에서 알 수 없는 요소가 많이 존재하여 모델을 개선하거나 최적화하기 위해서 필요 이상의 시간과 노력을 들여야 하는 경우가 많다. 따라서, 인공지능 모델의 학습 과정에서 가중치 변화를 명확하게 이해하고 해당 변화를 효과적으로 분석할 수 있는 도구 또는 방법론이 절실하게 요구되고 있다. 본 연구에서는 이러한 점을 해결하기 위해 누적 가중치 변화량을 시각화해주는 시스템을 제안한다. 시스템은 학습의 일정한 기간마다 가중치를 구하고 가중치의 변화를 누적시켜서 누적 가중치로 저장하여 3차원 공간상에 나타내게 된다. 이로 인해 보는 이로 하여금 한눈에 레이어의 구조와 현재의 가중치 변화량이 이해되기 쉽게 구성하였다. 이러한 연구를 통해 인공지능 모델의 학습 과정이 어떻게 진행되는지에 대한 이해와 모델의 성능 향상에 도움이 되는 방향으로 하이퍼 파라미터를 변경할 수 있는 지표를 얻게 되는 등 인공지능 학습 과정의 다양한 측면을 탐구할 수 있을 것이다. 이러한 시도를 통해 아직 미지의 영역으로 여겨지는 인공지능 학습 과정의 일부를 보다 효과적으로 탐색하고 인공지능 모델의 발전과 적용에 기여할 수 있을 것으로 기대된다.
바다는 지구 표면의 70% 이상을 차지하고 있으며, 그 자체가 대부분 탐사되지 않은 미지와 기회의 공간으로 제시되고 있다. 특히, 우리나라는 삼면이 바다로 둘러싸인 반도로 해양 연구의 중요성이 강조되고 있다. 매우 복잡하고 다양한 환경을 가지고 있는 해양은 막대한 생물학적 다양성을 보이고 있으며 미생물학적 측면에서도 해양 환경은 다양하고 극단적인 온도, 압력, 일사량, 염분, pH 등을 가지고 있어 생태학적으로 특이한 서식처를 제공한다. 이로 인해 육상과는 달리 계통분류학적으로 매우 다르며, 다양한 미생물들이 서식하나 그 다양성, 분리, 배양 그리고 이들이 생산해 내는 2차 대사산물 등에 대한 연구는 아직도 미진한 상황이다. 1990년대까지도 거의 연구되지 않던 해양 환경 자생 미생물의 생리활성물질에 대한 연구는 2000년대 들어 해양 방선균이 생산해 내는 천연물에 대한 연구가 가속화 되기 시작했다. 이후, 박테리아, 고세균, 조류 등을 활용한 항균제, 항암제, 항산화제, 항염증제 등과 같은 의약품 개발 분야 뿐만 아니라 및 바이오 플라스틱 생산, 바이오 연료 생산, 이산화탄소 포집, 생균제 발굴 및 개발 등의 다양한 산업분야에서 해양 미생물을 활용한 연구가 가속화 되고 있는 실정이다. 본 총설에서는 해양미생물을 활용한 생명과학 및 생명공학 기술 분야의 연구 성과 및 최신 동향을 소개하고자 한다. 이를 통해 독자들이 의약소재 개발 외 제반 천연물 관련 분야의 기반 및 응용 연구의 중요성을 인식하고 미래 해양 유래 소재를 이용한 바이오 연구 개발의 최적화 및 실용화 연구에 적극 도움이 되길 기대한다.
국방혁신4.0의 5대 추진전략 중에 군구조·운영 최적화 전략은 첨단과학기술 기반의 군구조로 혁신하고 교육훈련, 인적자원 개발 등 국방 운영분야에 첨단과학기술의 융합을 목표로 하고 있다. 또한, 미래 전장이 AI 기반의 무인·로봇전투체계, 우주, 사이버, 전자기 등으로 확장됨에 따라 이러한 전장에서 요구되는 역량을 갖춘 간부 양성이 필요하다. 특히, 미래 전장을 이끌어나갈 초급간부부터 4차 산업혁명 과학기술 기반의 핵심 첨단전력을 운영할 수 있는 역량 계발이 필요하다. 그래서 본 논문에서는 일반대학의 군사학과의 교육체계를 검토하고 국방혁신4.0과 부합되고 첨단과학기술기반의 기술집약형 간부 역량을 계발할 수 있는 교육체계 재설계 방안을 제안한다. 우선, 미래 전장에 요구되는 간부 역량을 도출하고 역량을 계발할 수 있도록 전공과 비교과 프로그램 운영 방안과 육군의 실무교육 지원 방안을 제시한다.
영어와 달리 한국어나 일본어 문장의 경우 용언의 필수격을 채우는 명사구가 생략되는 무형대용어 현상이 빈번하다. 특히 백과사전이나 위키피디아의 문서에서 표제어로 채울 수 있는 격의 경우 그 격이 문장에서 더 쉽게 생략된다. 정보검색, 질의응답 시스템 등 주요 지능형 응용시스템들은 백과사전류의 문서에서 주요한 정보를 추출하여 수집하여야 한다. 그러나 이러한 명사구 생략 현상으로 인해 양질의 정보추출이 어렵다. 본 논문에서는 백과사전 종류 문서에서 생략된 명사구 즉 무형대용어를 복원하는 시스템의 개발을 다루었다. 우리 시스템이 다루는 문제는 자연어처리의 무형대용어 해결 문제와 거의 유사하나, 우리 문제의 경우 문서의 일부가 아닌 표제어도 복원에 이용할 수 있다는 점이 다르다. 무형대용어 복원을 위해서는 먼저 무형대용어의 탐지 즉 문서 내에서 명사구 생략이 일어난 곳을 찾는 작업을 수행한다. 그 다음 무형대용어의 선행어 탐색 즉 무형대용어의 복원에 사용될 명사구를 문서 내에서 찾는 작업을 수행한다. 문서 내에서 선행어를 발견하지 못하면 표제어를 이용한 복원을 시도해 본다. 우리 방법의 특징은 복원에 사용된 문장성분을 찾기 위해 Structural SVM을 사용하는 것이다. 문서 내에서 생략이 일어난 위치보다 앞에 나온 명사구들에 대해 Structural SVM에 의한 시퀀스 레이블링(sequence labeling) 작업을 시행하여 복원에 이용 가능한 명사구인 선행어를 찾아내어 이를 이용하여 복원 작업을 수행한다. 우리 시스템의 성능은 F1 = 68.58로 측정되었으며 이는 의미정보의 이용 없이 달성한 점을 감안하면 높은 수준으로 평가된다.
본 연구에서는 $SnO_2-ZrO_2$(Sn/Zr = 2/1) 촉매 상에서의 CO에 의한 $SO_2$ 환원반응에 대한 반응온도, 공간속도, [CO]/[$SO_2$] 몰비 등의 반응조건의 최적화를 위한 반응특성을 조사하였다. $300{\sim}550^{\circ}C$의 반응온도, $5000{\sim}30000cm^3/g_{-cat}{\cdot}h$의 공간속도, 1.0~4.0 의 [CO]/[$SO_2$] 몰비 등 다양한 반응조건 범위에서 CO에 의한 $SO_2$ 환원반응에 대한 영향을 살펴본 결과, 최적 반응조건으로 반응온도, 공간속도, [CO]/[$SO_2$] 몰비는 각각 $325^{\circ}C$, $10000cm^3/[g_{-cat}{\cdot}h]$, 2.0이었다. 이 때 $SO_2$ 전환율은 약 99% 이상이었으며, 원소 황 선택도는 95% 이상이었다. 또한 CO에 의한 $SO_2$ 환원반응에서 수분에 대한 영향을 조사한 결과, 수분함량이 2.0~6.0 vol%인 범위에서 수분의 함량이 높을수록 $SO_2$ 전환율 및 원소 황 선택도가 감소됨과 동시에 반응성이 저하됨을 알 수 있었다. 2 vol%의 수분이 함유된 반응조건에서 반응온도와 [CO]/[$SO_2$] 몰비를 각각 $300{\sim}400^{\circ}C$ 및 1.0~3.0으로 변화시킨 결과, 반응온도와 [CO]/[$SO_2$] 몰비가 각각 $340^{\circ}C$와 2.0인 조건에서 가장 높은 반응성을 얻었다. 이 때 $SO_2$ 전환율이 약 90%였으며, 원소 황 선택도는 약 87%였다
터널 건설 시 암반 등급에 따라 다양한 지보재를 적절히 병용하여 지보패턴을 결정하고 시공이 이루어진다. 이 과정에서 시공 경험이 풍부한 전문가의 기술적 판단이 필요한데, 터널 설계의 초기 단계인 타당성 조사 및 기본설계 단계에는 상대적으로 짧은 수행기간과 부족한 자료 및 예산으로 인해 설계에 많은 어려움이 존재한다. 터널 건설의 급증과 함께 축적된 설계 데이터와 머신러닝을 활용한다면, 지보패턴 설계를 보다 신속하고 신뢰도 있게 수행할 수 있다. 따라서 본 연구에서는 암반등급 판정 및 해당 암반등급에 적합한 지보패턴 설계를 자동화하고자 국내 48개 도로터널의 설계자료 및 지반조사 자료를 수집하였으며, 8개의 입력항목(암종, 전기비저항, 심도, 터널연장, 터널연장에 따른 방재등급, 위험도지수에 따른 방재등급, 터널 종류, 터널 단면적)과 11개의 출력항목(암반등급, 숏크리트 제원 2개 항목, 록볼트 제원 3개 항목, 강지보 제원 3개 항목, 콘크리트 라이닝 2개 항목)에 대한 데이터를 정리하였다. 이와 같이 정리된 데이터를 활용하여 2가지 머신러닝 알고리즘(SVM, ANN)을 활용하여 3가지 머신러닝 모델(S1, A1, A2)을 개발하였으며, 세 가지 모델의 성능을 비교해본 결과 출력값의 데이터 형식에 따라 서로 다른 손실함수를 적용한 ANN 기반의 A2 모델이 가장 뛰어난 성능을 보였다. 본 연구를 통해 머신러닝을 활용한 지보패턴 설계의 가능성을 확인할 수 있었으며, 향후 지속적으로 실제 설계에 사용함으로써 단점을 보완하고 적용성을 개선해 나간다면 설계에 보다 큰 도움을 줄 수 있는 지보패턴 설계 모델을 개발할 수 있을 것으로 기대된다.
밀집도가 높은 국내 기존 도심지를 대상으로 공동구를 새로이 계획할 경우에는 정량적 평가지표에 의한 타당성 평가시스템과 경제성 평가를 이용한 최적 설계용량 결정 등의 합리적인 의사결정 과정이 필요하다. 그러므로 이전 연구에서는 도심지 유형별 특성을 고려한 의사결정 계층구조를 구성하고 정량적 평가지표 항목에 대한 계층의사분석(AHP)을 통해서 개별 상위지표(3개) 부문과 하위지표(16개) 항목의 중요도 가중치를 제시하였다. 또한 도심지 공동구에 적합한 비용 편익 분석을 위해서 교통사고 감소효과, 차량소음 저감효과, 사회 경제적 손실 등의 3개 항목을 새로이 추가하여 10개의 편익 항목, 8개의 비용 항목을 고려한 경제성 평가방법이 제시되었다. 본 연구는 도로관리, 공공시설, 도시환경 부문의 하위 16개 평가지표의 중요도 가중치를 활용한 정량적 타당성 평가방법을 제시하고 서울시 주간선도로 123개 구간을 대상으로 타당성 평가를 실시하였다. 또한 타당성 평가결과와 경제성 평가결과를 비교하여 문제점을 분석하고 두 평가결과의 조합에 의한 종합평가 방법을 제시하였다. 본 연구에서 제시된 정량적 타당성 평가와 경제성 평가시스템의 로직을 프로그래밍하여 개발할 예정인 설계용량 최적화 프로그램은 도심지 공동구의 계획 및 설계 단계에서 활용되며 궁극적으로 도심지 공동구 활성화에 기여하게 될 것이다.
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.