DBPIA-NURIMEDIA

Size: px
Start display at page:

Download "DBPIA-NURIMEDIA"

Transcription

1 인지과학 제 권제 호 모바일컨텍스트로그를사용한속성별베이지안 네트워크기반의랜드마크예측모델학습 이병길 임성수조성배 연세대학교컴퓨터과학과 모바일장비에서수집되는정보는개인의기억을보조하기위한수단으로활용될수있지만 그양이너무많아사용자가효과적으로검색하기에는어려움이있다 데이터를사람의기억과유사한에피소드방식으로저장하기위해중요이벤트인랜드마크를탐지하는것이필요하다 본논문에서는사용자에게새로운서비스를제공하기위해서다양한컨텍스트로그정보로부터자동으로랜드마크를찾아내는속성별베이지안랜드마크예측모델을제안한다 랜드마크예측정확도를높이기위해요일별 주간별로데이터를나누고다시수집된경로에따른속성으로분류하여학습을통해베이지안네트워크를생성하였다 노키아의로그데이터로실험한결과 베이지안네트워크를사용한방법이 을사용한방법보다예측성능이높았으며 주간별및요일별로설계한베이지안네트워크에비해제안한방법인속성별베이지안네트워크의성능이가장우수하였다 주제어 : 컨텍스트로그, 랜드마크, 속성별베이지안네트워크, 베이지안구조학습 이논문은 년도정부 교육과학기술부 의재원으로한국연구재단 신기술융합형성장동력사업의지원을받아수행된연구임 교신저자 연세대학교컴퓨터과학과 연구세부분야 인공지능

2 인지과학, 제 20 권제 4 호 서론 최근유비쿼터스기술의발전과함께다양한모바일기기와센서장비들이보급되고있다 이에따라서사람들이보고 듣고 느끼는것들에대한데이터를모바일기기와센서장비를통해서수집할수있게되었다 를통해서개인의위치정보를얻을수있고 각종환경센서를이용하여온도 습도등의환경정보를획득할수있으며 또한 다양한착용형센서를이용하여사용자의현재행동을추론할수있다 최근 의 프로젝트등모바일장비를통해서사용자의일상생활로그의분석과수집 관리하는연구가진행되고있다 모바일장비는개인성이강한장비이므로개인의기호나성향에따라적응되어특화될수있다 그리고 모바일장비는사용자가항상휴대하기때문에사용자의일상정보를효과적으로수집하고분석하여사용자의기억을증강시키는데도움을줄수있다 모바일장비로부터수집한라이프로그에는개인의기억을증강시킬수있는정보가많이있지만 각종센서로부터들어오는많은수의정보로부터사용자가원하는정보를찾는다는것은쉬운일이아니다 본논문에서는모바일장비로부터수집가능한컨텍스트정보를활용하여개인의하루생활에서자동으로랜드마크를찾아낸다 여기에서랜드마크란사용자가경험한많은이벤트들중특별한에피소드에대한기억에도움을주는핵심키워드를의미하며 의연구 에서제안된개념이다 랜드마크는인지과학분야의추출큐 를불러올때중요한역할을하는정보 라는개념으로부터파생되었으며 여기서는경험에피소드를기억할때중요한역할을하는정보를의미한다 컨텍스트정보는에피소드단위로재구성되며사용자의개인정보검색을향상시키는목적으로쓰인다 또한랜드마크는이벤트가발생한장소및시간 같이경험한사람 그리고이벤트가일어난시점전후 또는일어난동안에저장된이벤트들에대한정보에의해구성되고사용자가에피소드를기억하는데도움을준다 본논문에서는랜드마크를에피소드단위로재구성된컨텍스트정보의효율적인검색을위한핵심로그데이터로정의하고 확률기반추론모델인베이지안네트워크를사용한랜드마크예측모델을제안한다 이때 랜드마크예측의정확도를높이기위하여수집된데이터를요일별 주간별로분할하고 이를다시저장경로

3 이병길 임성수 조성배 / 모바일컨텍스트로그를사용한속성별베이지안네트워크기반의랜드마크예측모델학습 속성에대해구별한후에베이지안네트워트모델을학습하는방법을제안한다 실제노키아의벤치마크로그데이터에대하여실험하여그성능을비교및평가한 다 배경및관련연구 1. 특이성추출 저장장치의용량증가 멀티미디어컨텐츠증가 개인컴퓨터를비롯하여모바일장비의사용자증가등으로관리해야하는정보가늘어나서사용자가과거에일어났던기억을떠올리기가힘들어지고있다 이로인하여사용자의이벤트캘린더정보로부터중요한정보 즉랜드마크를찾아내는기법이연구되고있다 마이크로소프트연구소의랜드마크예측과관련된연구모델에서는온라인캘린더정보와사용자정보를베이지안네트워크로학습하여랜드마크예측율에대한성능을평가하였다 개의노드로구성된온라인캘린더정보는 과 의베이지안구조탐색프로시저를통해서학습되었다 는사용자의일상생활을요약하여핵심사항만을볼수있도록구성한것으로만약사용자가요 표 1. 관련연구비교 마이크로소프트연구소 미디어연구실 목적 랜드마크예측모델설계 일상생활요약사용자요청자료검색 특정위치에서의상황예측 특징 사용자별로모델평가 종류의랜드마크사용 해당요소들간의관계분석오류데이터제거 데이터 온라인캘린더사용자정보 웹페이지 이메일 문서사용자정보 스마트폰의컨텍스트로그 방법 베이지안네트워크

4 인지과학, 제 20 권제 4 호 청한자료가있을경우대중적인랜드마크와개인적인랜드마크를검색조건에추가하여검색시간을단축시켜좀더밀접한관련이있는자료를결과로제공해준다 이연구에서사용한대중적인랜드마크란휴일 신문또는뉴스의중요한헤드라인을의미하고 개인적인랜드마크란개인이촬영한사진이나사용자가직접입력한중요한캘린더이벤트로정의된다 미디어연구실에서는스마트폰에서수집할수있는컨텍스트로그를사용하여 기반으로사용자의생활패턴을분석하여특정한위치에서의사용자모델링연구를진행하였다 이세연구에대한비교는표 과같다 마이크로소프트연구소의경우는사용자의변화에재빨리대응할수가없을뿐만아니라 사용자정보를사용자가직접입력해야하기때문에입력이잘못될경우예상하지못한결과가발생되는문제가있다 는제한된환경의데이터만을사용해서일상생활을요약하는데상대적으로과거기억에도움을주기에는한계가있다 마지막으로 미디어연구실의경우특정위치 집 직장 그외 에서사용자상황예측의대상이연구소직원이나그근처다른연구소직원들로한정되어특별한방법을사용하지않고단순히학습된상황을사용해분석평가한다 본논문에서는실시간으로들어오는데이터를토대로모바일장비환경에서정확한랜드마크를예측하기위하여속성별로다른베이지안네트워크를사용하는방법을제안한다 2. 베이지안네트워크 베이지안네트워크는변수들간의원인과결과관계를확률적으로모델링하기위한도구로서불확실한환경에서좀더신뢰성있는결과를추론하기위해쓰이는대표적인방법이다 이방법은그림 과같이변수를나타내는노드와변수사이의상관관계및인과관계를나타내는연결선 으로이루어져있는방향성비순환그래프 이다 베이지안네트워크 는연결선의집합 와변수의집합 로이루어지며파라미터 를가진다 변수들사이의연결선은확률적인의존관계를나타낸다 파라미터 는의존관계가있는변수들사이의조건부확률값을나타낸다 변수의개수가 인경우

5 이병길 임성수 조성배 / 모바일컨텍스트로그를사용한속성별베이지안네트워크기반의랜드마크예측모델학습 으로정의되며연결선의개수가 인경우 으로정의된다 인연결선의경우변수 가변수 의부모가된다 각변수의부모들은 로정의한다 만약 가 이면 는사전확률만을가진다 그렇지않다면 는조건부확률을가진다 그림 1. 베이지안네트워크의예 조건부확률을나타내는테이블을가지고베이즈규칙 을이용해각노드의사후확률을계산한다 만약두노드사이의연결선이없다면두노드는서로독립적이라는의미로해석한다 노드의부모와확률값이정해지면조건부확률테이블을가지고계산을하게되는데 확률기반규칙시스템에비해훨씬적은양의연산으로확률추론이가능하다 그림 에서결합확률값인 는다음과같이계산한다 베이지안네트워크의추론은베이즈의규칙을통해계산하며다음과같이정의 한다

6 인지과학, 제 20 권제 4 호 와 는사전지식이며 는조건부확률이다 즉모든변수중에서관측이가능한변수들의집합을 라고하고관측이되지않았고관심의대상이되는변수들의집합을 라고하면이미사전에 가주어져있다고할때 의값을계산할수있다 베이지안네트워크의구조를설계하는것은전문가가변수들사이의의존관계중에서특히중요하고결합확률에큰영향을미칠것으로생각되는것들만선택적으로결정해주는과정을말한다 구조가결정되면전문가는해당변수들의조건부확률테이블을채워베이지안네트워크의설계과정을마무리한다 일반적으로해당도메인에대한전문적을지식을가진사람이필요하며그사람이꼭베이지안네트워크구조를직접설계할필요는없다 전문가는해당도메인에대한지식만을알려주고베이지안네트워크설계자가직접구조를설계할수있다 만약해당도메인에대한전문지식을획득하기가어렵다면변수들의 와같이데이터로부터직접학습하는방법이있다 이경우해당도메인으로부터데이터를수집해야하는어려움이있지만데이터를충분히얻을수있는곳이라면학습이좋은해결책이될수있다 그림 2. 베이지안네트워크의학습

7 이병길 임성수 조성배 / 모바일컨텍스트로그를사용한속성별베이지안네트워크기반의랜드마크예측모델학습 속성별베이지안네트워크를이용한랜드마크예측모델 그림 은본논문에서제안하는랜드마크예측과정을보여준다 우선모바일장비를사용하여컨텍스트로그정보를수집한다 실제로수집된로그정보를베이지안네트워크에적용하고분류하기위해서각노드의이름과상태에맞게변경해주는연산을한다 전처리된컨텍스트정보는베이지안네트워크의성능을향상시키기위하여각요일에맞게분류하고후에각속성별 위치정보 환경정보 시스템정보 로분류한다 연구에비춰보면대부분의사람들은요일별로비슷한생활패턴을가지고있기때문에요일정보를데이터의분류기준으로사용하므로베이지안네트워크모델의노드에서제외되었고날짜정보는불확실한환경에서도좀더신뢰성있는결과를예측하기위하여제외하였다 요일과속성별로분류된데이터를사용하여각각에대해구조와파라미터를학습한다 각각속성별로학습된베이지안네트워크를요일별로구조를통합한다 이렇게통합된베이지안네트워크는데이터입력이들어오면동일한요일에해당하는베이지안네트워크를선택하여랜드마크인지아닌지에대하여예측한다 그림 3. 제안하는랜드마크예측방법 일상에서일어나는사건들은매우다양하여몇개의베이지안네트워크로모델링하려면설계가복잡해지고정확한모델링이어려워진다 일반적으로베이지안네트워크학습은 문제로서정확한방법으로해결할수없기때문에경험적방법들 로주어진문제를해결해야한다 문제는처리

8 인지과학, 제 20 권제 4 호 하고자하는데이터의수가증가함에따라서고려해야하는경우의수가기하급수적으로증가하므로 데이터의수를줄이게되면시스템의연산량을줄이며 정확도도높일수있다 본논문에서는베이지안네트워크의학습을효율적으로수행하고예측성능을높이기위하여데이터를요일별로나누고 베이지안네트워크구조를속성별로나누어학습하는방법을제안한다 제안하는방법은입력되는정보를각요일에맞게분류하고후에이를속성별 위치정보 환경정보 시스템정보 로분류한다 연구 에비춰보면대부분의사람들은요일별로비슷한생활패턴을가지기때문에데이터를분류하는기준으로사용하여예측에대한성능을높이기위해서독립된 을사용한다 또한요일정보를베이지안네트워크에포함해서구조학습을진행하는경우 복잡도 아크의수 계산량 가높아지고예측에더많은시간이소요된다 따라서본논문에서는요일별로분류하여 을생성하며 같은이유에서속성별로 을구성하고 각각속성별로학습된베이지안네트워크를다시요일별로구조를통합한다 본논문에서는예측모델학습방법으로탐욕적탐색방법을최적화한알고리즘인 알고리즘을사용하였다 기본적인알고리즘은그림 에서보듯이그리디기반휴리스틱알고리즘 를사용하여네트워크의구조를생성한다 는 를 의부모로연결한경우의점수에서이전점수를뺀차이값을나타내는행렬인데 값이가장큰 쌍을찾아서 아크를하나씩추가한다 이때방향성사이클이생기는것을막기위해서 의조상 가 의자손 의자식으로연결될수없도록 값을 로조정한다 그리고아크의연결로인해바뀐 의값을반영하기위해연결가능한아크 에대한 값을새롭게갱신한다 점수메트릭으로는그림 와같은 메트릭을사용하여 데이터와그래프간의적합도를계산한다 알고리즘은가장짧은경로를탐색할수있는협동적행동에근거하여처음에는다양한경로를조사하고설정하지만데이터에의한학습이계속진행될수록가장짧은경로만을설정하게되는최적화방법으로최근많이사용되고있는방법중하나이다 이와같은방법을사용하여컨텍스트로그데이터를학습한속성별베이지안네트워크는크게위치추론베이지안네트워크 센서추론베이지안네트워크 어

9 이병길 임성수 조성배 / 모바일컨텍스트로그를사용한속성별베이지안네트워크기반의랜드마크예측모델학습 arg or 의부모 그림 4. 베이지안네트워크구조학습알고리즘 그림 5. K2 평가함수

10 인지과학, 제 20 권제 4 호 플리케이션추론베이지안네트워크로분류된다 특히위치요소 는시간요소 에많은영향을받기때문에속성을분 류할때위치추론베이지안네트워크에포함하여학습한다 그림 6. 속성별베이지안네트워크의예 위치추론 어플리케이션추론 그리고센서추론을위한속성별베이지안네트워크는각각랜드마크 랜드마크 랜드마크 의노드를추가로가지며 이노드들은각속성에대한랜드마크여부 참또는거짓 를상태값으로가진다 베이지안네트워크의노드를속성에따라서분류한후 구조학습을통해서각속성별베이지안네트워크를얻는다 그림 은학습된속성별베이지안네트워크의예를보여준다 이렇게얻어진세개의속성별베이지안네트워크는최종추론노드인랜드마크와랜드마크 랜드마크 랜드마크 의세노드를연결하여하나의베이지안네트워크로통합한다 그림 은이러한과정을거쳐최종적으로통합된베이지안네트워크의한예이다 본논문에서사용한예측방법은베이지안네트워크에서일반적으로사용되는

11 이병길 임성수 조성배 / 모바일컨텍스트로그를사용한속성별베이지안네트워크기반의랜드마크예측모델학습 그림 7. 통합된속성별베이지안네트워크구조의예 정션트리알고리즘을사용한다 이알고리즘은그래프이론과확률이론사이의연결분석에기반을두는알고리즘으로실질적인 대신에정션트리데이터구조를사용하여랜드마크를예측한다 예측과정은수집된컨텍스트로그를시간과속성별로정리하여베이지안네트워크의증거변수로설정해서확률연산을진행한다 실험및결과 1. 실험환경 실험에는노키아데이터집합을사용하였다 노키아데이터집합은 개의세션으로 주에걸쳐토요일과일요일을제외한 일 동안기록된데이터이다 총 개의속성 표 으로구성된약 만개의데이터를전처리를통하여 개의속성 약 만여개의데이터로재구성하고 랜드마크여부를레이블링하였다 입력된데이터는결측치 가존재하지않는다

12 인지과학, 제 20 권제 4 호 표 2. 노키아데이터집합

13 이병길 임성수 조성배 / 모바일컨텍스트로그를사용한속성별베이지안네트워크기반의랜드마크예측모델학습 선행실험을통해날짜정보와요일정보를포함해서베이지안네트워크를학습할경우복잡도 아크의수 계산량 가높아지고수행시간 구조학습및예측에소요되는시간 이길어지는것에비하여성능향상에는많은영향을주지못하였다 따라서이두요소를베이지안네트워크의노드에서제외하고실험을진행한다 데이터는요일에맞게분류한경우 요일별 와로그가발생한시간순서 주간별 로분류한경우로나누고이를다시속성별로학습한경우와그렇지않은경우로분류하여비교실험을진행하였다 다른기계학습도구와성능을비교하기위해서분류문제를해결할때널리사용되고있는 방법을사용하였다 각요일에맞게분류된데이터집합은학습을통하여설계된각각의베이지안네트워크에파일수만큼상호평가 를통하여성능을측정한다 월요일과수요일데이터의경우는 주의데이터를제외한 개의데이터가있고 금요일데이터는 주의데이터를제외한 개의데이터가있으므로 를적용하고 화 목 의경우는 개의데이터가모두있으므로 를적용한다 주간별로학습한경우는학습데이터를 주 주 주까지점차적으로늘려가면서베이지안네트워크를설계하여마지막 주에해당하는데이터를테스트데이터로사용하여랜드마크예측에대한성능을평가하였다 표 의 표 3. 실험방법에따른데이터분류 요일별 주간별 월 화 수 목 금 주 주 주 학습 주 주 주 테스트 실험방법 데이터있음 데이터없음

14 인지과학, 제 20 권제 4 호 경우에는속성별로는구분하지않고요일별과주간별로만구분하여실험을진행하였다 제안한방법에대한속성별베이지안네트워크모델은각각에대해서요일별모델총 개 요일에따른속성별모델 개 통합된속성별모델 개 와주간별모델 개 주에따른속성별모델 개 통합된속성별모델 개 를생성하여실험에사용하였다 비교실험모델로마이크로소프트연구소의방법 과같이속성을분류하지않고학습한베이지안네트워크모델과 모델은모델별로각각 개 요일별 개 주간별 개 를실험에사용하였다 랜드마크예측성능비교속성을분류하지않고학습된예측모델 그림 은데이터집합을통하여상관관계가다양하게발생하기때문에구조가복잡하지만속성별로구조를학습하고통합한모델 그림 의경우에는사전에복잡한데이터의연관관계를전처리한효과를가져와상대적으로단순하게구성된다 단순히예측모델의구조만비교하더라도복잡도가낮아진다는것을알수있다 그림 8. 학습된일반적인베이지안네트워크의예

15 이병길 임성수 조성배 / 모바일컨텍스트로그를사용한속성별베이지안네트워크기반의랜드마크예측모델학습 그림 의요일별랜드마크예측율을보면본논문에서제안한방법이 방법과의예측율에서는큰차이를보이지는않지만상대적으로표준편차는작게나타나정확도면에서높은안정성을보여준다 데이터를분류하지않고학습한베이지안네트워크의경우제안한방법보다예측율과안정성면에서모두성능이낮다는것을알수있다 그림 9. 요일별랜드마크예측율 그림 10. 주간별랜드마크예측율

16 인지과학, 제 20 권제 4 호 그림 에서속성별로학습하지않은베이지안네트워크와 에대한주간별비교를보면 주의경우베이지안네트워크의경우 과다르게예측정확도성능이점점떨어지는것을알수있다 이는학습된데이터의양이적고다양한구성으로로그가기록될경우정확한예측이불가능하다는것을보여준다 하지만본논문에서제안한방법은데이터의양이많고적음에상관없이안정적으로높은성능을보여준다 이는속성별로분류한데이터가로그의다양성을낮춰랜드마크예측의정확도를높여주기때문으로해석할수있다 표 4. 속성별 vs 비속성별베이지안네트워크성능비교 요일별 주간별 속성구분 속성미구분 속성구분 속성미구분 예측율 표준편차 학습및예측평균 소요시간 시 분 초 아크의수 개 계산량 표 에서데이터의속성을구분하지않고학습한예측모델과속성을구분하고학습한예측모델의성능은모든면에서큰차이를보인다 데이터의속성을구분하지않은예측모델이제안한방법에비해요일별모델은학습및예측소요시간 약 배 아크의수 약 배 계산량 약 배 이높고 주간별모델은학습및예측소요시간 약 배 아크의수 약 배 계산량 약 배 에서성능이떨어지는것을알수있다 이에비해예측율과정확도는높은것을알수있다 전체적으로요일에맞는예측모델을사용한경우가주간별모델보다복잡도가낮고성능이높은것을알수있다 이러한결과를보이는이유는 미디어연구실에서수행한연구결과에비추어보면사람의생활패턴은요일별로유사하게나타나기때문으로추정된다

17 이병길 임성수 조성배 / 모바일컨텍스트로그를사용한속성별베이지안네트워크기반의랜드마크예측모델학습 표 5. 베이지안네트워크 vs SVM 성능비교 요일별주간별 예측율 표준편차 학습및추론평균소요시간 표 의비교를보면전체적으로베이지안네트워크모델이 모델에비해성 능은비슷하지만오차범위와소요되는시간면에서높은성능을나타내는것을알 수있다 결론및토의 랜드마크예측과관련된기존연구들을보면여러장비들을사용하지않고한정된장비만을사용하여실험을진행하였기때문에장비를추가하거나모델을일반화시킬경우성능이떨어지거나기존모델을사용하지못하고새롭게설계해야하는문제가발생할수있지만본논문에서제안한방법은여러장비를각속성별로분류하여구조를설계했기때문에기존연구에비해모델확장에있어좀더용이하다 또한랜드마크예측을특정한날에초점을맞추지않고일반적인상황에맞는모델을설계하기위하여요일별랜드마크예측모델을제안하였고 실험을통해그유용성을확인하였다 향후과제로는본논문에서분석된랜드마크항목을일반사용자에게쉽게보여주고이해할수있도록하는응용프로그램개발과수집된데이터를실시간으로처리할수있는컨텍스트전처리시스템의개발이필요하다 그리고보다많은장비를활용하여다양한정보를수집해서랜드마크예측에대한정확도를향상시킬필요가있다 또한탐지된랜드마크를활용하는연구역시진행되어야할것이다 그리고속성구분이랜드마크추출에미치는영향을분석하기위해서 속성구분

18 인지과학, 제 20 권제 4 호 을통한랜드마크모델을구축하여제안하는속성구분 미구분 과의비교 평가가필요하다 참고문헌 다 다

19 이병길 임성수 조성배 / 모바일컨텍스트로그를사용한속성별베이지안네트워크기반의랜드마크예측모델학습 차원고접수 차원고접수 최종게재승인

20 인지과학, 제 20 권제 4 호 Byung-Gil Lee Sungsoo Lim Sung-Bae Cho

<5BB0EDB3ADB5B55D32303131B3E2B4EBBAF12DB0ED312D312DC1DFB0A32DC0B6C7D5B0FAC7D02D28312E28322920BAF2B9F0B0FA20BFF8C0DAC0C720C7FCBCBA2D3031292D3135B9AEC7D72E687770>

<5BB0EDB3ADB5B55D32303131B3E2B4EBBAF12DB0ED312D312DC1DFB0A32DC0B6C7D5B0FAC7D02D28312E28322920BAF2B9F0B0FA20BFF8C0DAC0C720C7FCBCBA2D3031292D3135B9AEC7D72E687770> 고1 융합 과학 2011년도 1학기 중간고사 대비 다음 글을 읽고 물음에 답하시오. 1 빅뱅 우주론에서 수소와 헬륨 의 형성에 대한 설명으로 옳은 것을 보기에서 모두 고른 것은? 4 서술형 다음 그림은 수소와 헬륨의 동위 원 소의 을 모형으로 나타낸 것이. 우주에서 생성된 수소와 헬륨 의 질량비 는 약 3:1 이. (+)전하를 띠는 양성자와 전기적 중성인 중성자

More information

Sequences with Low Correlation

Sequences with Low Correlation 레일리페이딩채널에서의 DPC 부호의성능분석 * 김준성, * 신민호, * 송홍엽 00 년 7 월 1 일 * 연세대학교전기전자공학과부호및정보이론연구실 발표순서 서론 복호화방법 R-BP 알고리즘 UMP-BP 알고리즘 Normalied-BP 알고리즘 무상관레일리페이딩채널에서의표준화인수 모의실험결과및고찰 결론 Codig ad Iformatio Theory ab /15

More information

04 Çмú_±â¼ú±â»ç

04 Çмú_±â¼ú±â»ç 42 s p x f p (x) f (x) VOL. 46 NO. 12 2013. 12 43 p j (x) r j n c f max f min v max, j j c j (x) j f (x) v j (x) f (x) v(x) f d (x) f (x) f (x) v(x) v(x) r f 44 r f X(x) Y (x) (x, y) (x, y) f (x, y) VOL.

More information

Microsoft Word - Lab.4

Microsoft Word - Lab.4 Lab. 1. I-V Lab. 4. 연산증폭기 Characterist 비 tics of a Dio 비교기 ode 응용 회로 1. 실험목표 연산증폭기를이용한비교기비교기응용회로를이해 응용회로를구성, 측정및평가해서연산증폭기 2. 실험회로 A. 연산증폭기비교기응용회로 (a) 기본비교기 (b) 출력제한 비교기 (c) 슈미트트리거 (d) 포화반파정류회로그림 4.1. 연산증폭기비교기응용회로

More information

발간등록번호

발간등록번호 발간등록번호 3. 보고서요약서 보고서요약서 - 2 - - 3 - 4. 국문요약문 - 4 - 5. 영문요약문 < SUMMARY > - 5 - 6. 영문목차 < CONTENTS > - 6 - - 7 - 7. 본문목차 목차 - 8 - - 9 - 제 1 장. 연구개발과제의개요 - 10 - - 11 - - 12 - - 13 - - 14 - - 15 - - 16 -

More information

다른 JSP 페이지호출 forward() 메서드 - 하나의 JSP 페이지실행이끝나고다른 JSP 페이지를호출할때사용한다. 예 ) <% RequestDispatcher dispatcher = request.getrequestdispatcher(" 실행할페이지.jsp");

다른 JSP 페이지호출 forward() 메서드 - 하나의 JSP 페이지실행이끝나고다른 JSP 페이지를호출할때사용한다. 예 ) <% RequestDispatcher dispatcher = request.getrequestdispatcher( 실행할페이지.jsp); 다른 JSP 페이지호출 forward() 메서드 - 하나의 JSP 페이지실행이끝나고다른 JSP 페이지를호출할때사용한다. 예 ) RequestDispatcher dispatcher = request.getrequestdispatcher(" 실행할페이지.jsp"); dispatcher.forward(request, response); - 위의예에서와같이 RequestDispatcher

More information

OCW_C언어 기초

OCW_C언어 기초 초보프로그래머를위한 C 언어기초 4 장 : 연산자 2012 년 이은주 학습목표 수식의개념과연산자및피연산자에대한학습 C 의알아보기 연산자의우선순위와결합방향에대하여알아보기 2 목차 연산자의기본개념 수식 연산자와피연산자 산술연산자 / 증감연산자 관계연산자 / 논리연산자 비트연산자 / 대입연산자연산자의우선순위와결합방향 조건연산자 / 형변환연산자 연산자의우선순위 연산자의결합방향

More information

이 장에서 사용되는 MATLAB 명령어들은 비교적 복잡하므로 MATLAB 창에서 명령어를 직접 입력하지 않고 확장자가 m 인 text 파일을 작성하여 실행을 한다

이 장에서 사용되는 MATLAB 명령어들은 비교적 복잡하므로 MATLAB 창에서 명령어를 직접 입력하지 않고 확장자가 m 인 text 파일을 작성하여 실행을 한다 이장에서사용되는 MATLAB 명령어들은비교적복잡하므로 MATLAB 창에서명령어를직접입력하지않고확장자가 m 인 text 파일을작성하여실행을한다. 즉, test.m 과같은 text 파일을만들어서 MATLAB 프로그램을작성한후실행을한다. 이와같이하면길고복잡한 MATLAB 프로그램을작성하여실행할수있고, 오류가발생하거나수정이필요한경우손쉽게수정하여실행할수있는장점이있으며,

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 베이지안망모델링을이용한스마트폰 GPS 센서의에너지절약시스템 375 베이지안망모델링을이용한스마트폰 GPS 센서의에너지절약시스템 (An Energy Saving System for Smartphone GPS Sensors Using Bayesian Networks Modeling) 이시혁 조성배 (Si-Hyuk Yi) (Sung-Bae Cho) 요약최근스마트폰의사용량이급증함에따라

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 불확실한장면의효과적인인식을위한베이지안네트워크의온톨로지기반제한학습방법 549 불확실한장면의효과적인인식을위한베이지안네트워크의온톨로지기반제한학습방법 (A Constrained Learning Method based on Ontology of Bayesian Networks for Effective Recognition of Uncertain Scenes) 황금성

More information

실험 5

실험 5 실험. OP Amp 의기초회로 Inverting Amplifier OP amp 를이용한아래와같은 inverting amplifier 회로를고려해본다. ( 그림 ) Inverting amplifier 위의회로에서 OP amp의 입력단자는 + 입력단자와동일한그라운드전압, 즉 0V를유지한다. 또한 OP amp 입력단자로흘러들어가는전류는 0 이므로, 저항에흐르는전류는다음과같다.

More information

슬라이드 1

슬라이드 1 CHAP 2: 순환 (Recursion) 순환 (recursion) 이란? 알고리즘이나함수가수행도중에자기자신을다시호출하여문제를해결하는기법 정의자체가순환적으로 되어있는경우에적합한방법 순환 (recursion) 의예 팩토리얼값구하기 피보나치수열 1 n! n*( n 1)! fib( n) 0 1 fib( n 2) n n 0 ` 1 fib( n 1) if n 0 if

More information

2003report250-12.hwp

2003report250-12.hwp 지상파 방송의 여성인력 현황 및 전문화 방안 연구 한국여성개발원 발간사 Ⅰ....,.,....... .. Ⅱ. :...... Ⅲ.,,. ..,.,.... 9 1 1.. /.,. PD,,,,, / 7.93%. 1%... 5.28% 10.08%. 3.79%(KBS MBC), 2.38 %(KBS MBC) 1%...,. 10. 15. ( ) ( ), ( ) ( )..

More information

A Hierarchical Approach to Interactive Motion Editing for Human-like Figures

A Hierarchical Approach to Interactive Motion Editing for Human-like Figures 단일연결리스트 (Singly Linked List) 신찬수 연결리스트 (linked list)? tail 서울부산수원용인 null item next 구조체복습 struct name_card { char name[20]; int date; } struct name_card a; // 구조체변수 a 선언 a.name 또는 a.date // 구조체 a의멤버접근 struct

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 대화형에이전트의주제추론을위한계층적베이지안네트워크의자동생성 877 대화형에이전트의주제추론을위한계층적베이지안네트워크의자동생성 (Automatic Construction of Hierarchical Bayesian Networks for Topic Inference of Conversational Agent) 임성수 조성배 (Sungsoo Lim) (Sung-Bae

More information

연구보고서 2009-05 일반화선형모형 (GLM) 을이용한 자동차보험요율상대도산출방법연구 Ⅰ. 요율상대도산출시일반화선형모형활용방법 1. 일반화선형모형 2 연구보고서 2009-05 2. 일반화선형모형의자동차보험요율산출에적용방법 요약 3 4 연구보고서 2009-05 Ⅱ. 일반화선형모형을이용한실증분석 1. 모형적용기준 < > = 요약 5 2. 통계자료및통계모형

More information

제4395호 편집.hwp

제4395호 편집.hwp 제 4395 호 2011. 8. 19( 금 ) 고 시 2011-287 3 2011-288 16 2011-289 17 2011-290 20 공 고 2011-692. 22 2011-694 22 시군행정 2011-893 ( : x.) 23 2011-922 (:314, 172, 153) 25 2011-92 () (:3-601) () 26 2011-571. 27 2011-576

More information

Microsoft PowerPoint - e pptx

Microsoft PowerPoint - e pptx Import/Export Data Using VBA Objectives Referencing Excel Cells in VBA Importing Data from Excel to VBA Using VBA to Modify Contents of Cells 새서브프로시저작성하기 프로시저실행하고결과확인하기 VBA 코드이해하기 Referencing Excel Cells

More information

2017 년 6 월한국소프트웨어감정평가학회논문지제 13 권제 1 호 Abstract

2017 년 6 월한국소프트웨어감정평가학회논문지제 13 권제 1 호 Abstract 2017 년 6 월한국소프트웨어감정평가학회논문지제 13 권제 1 호 Abstract - 31 - 소스코드유사도측정도구의성능에관한비교연구 1. 서론 1) Revulytics, Top 20 Countries for Software Piracy and Licence Misuse (2017), March 21, 2017. www.revulytics.com/blog/top-20-countries-software

More information

05 ƯÁý

05 ƯÁý Special Issue 04 / 46 VOL. 46 NO. 4 2013. 4 47 Special Issue 04 / 48 VOL. 46 NO. 4 2013. 4 49 S pecial Issue 04 / IHP 7단계 연구사업 구분 1970년대 1980년대 1990년대 2000년대 연최대 강우량 침수면적 인명피해 재산피해 그림 4. 시군구별 연 최대 강우량과

More information

Resampling Methods

Resampling Methods Resampling Methds 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) Resampling Methds 1 / 18 학습내용 개요 CV(crss-validatin) 검증오차 LOOCV(leave-ne-ut crss-validatin) k-fld CV 편의-분산의관계분류문제에서의 CV Btstrap 박창이 ( 서울시립대학교통계학과 )

More information

adfasdfasfdasfasfadf

adfasdfasfdasfasfadf C 4.5 Source code Pt.3 ISL / 강한솔 2019-04-10 Index Tree structure Build.h Tree.h St-thresh.h 2 Tree structure *Concpets : Node, Branch, Leaf, Subtree, Attribute, Attribute Value, Class Play, Don't Play.

More information

지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., KOSPI200.,. * 지능정보연구제 16 권제 1 호 2010 년 3 월

지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., KOSPI200.,. * 지능정보연구제 16 권제 1 호 2010 년 3 월 지능정보연구제 16 권제 1 호 2010 년 3 월 (pp.71~92),.,.,., Support Vector Machines,,., 2004 5 2009 12 KOSPI200.,. * 2009. 지능정보연구제 16 권제 1 호 2010 년 3 월 김선웅 안현철 社 1), 28 1, 2009, 4. 1. 지능정보연구제 16 권제 1 호 2010 년 3 월 Support

More information

WINDOW FUNCTION 의이해와활용방법 엑셈컨설팅본부 / DB 컨설팅팀정동기 개요 Window Function 이란행과행간의관계를쉽게정의할수있도록만든함수이다. 윈도우함수를활용하면복잡한 SQL 들을하나의 SQL 문장으로변경할수있으며반복적으로 ACCESS 하는비효율역

WINDOW FUNCTION 의이해와활용방법 엑셈컨설팅본부 / DB 컨설팅팀정동기 개요 Window Function 이란행과행간의관계를쉽게정의할수있도록만든함수이다. 윈도우함수를활용하면복잡한 SQL 들을하나의 SQL 문장으로변경할수있으며반복적으로 ACCESS 하는비효율역 WINDOW FUNCTION 의이해와활용방법 엑셈컨설팅본부 / DB 컨설팅팀정동기 개요 Window Function 이란행과행간의관계를쉽게정의할수있도록만든함수이다. 윈도우함수를활용하면복잡한 SQL 들을하나의 SQL 문장으로변경할수있으며반복적으로 ACCESS 하는비효율역시쉽게해결할수있다. 이번화이트페이퍼에서는 Window Function 중순위 RANK, ROW_NUMBER,

More information

UI TASK & KEY EVENT

UI TASK & KEY EVENT 2007. 2. 5 PLATFORM TEAM 정용학 차례 CONTAINER & WIDGET SPECIAL WIDGET 질의응답및토의 2 Container LCD에보여지는화면한개 1개이상의 Widget을가짐 3 Container 초기화과정 ui_init UMP_F_CONTAINERMGR_Initialize UMP_H_CONTAINERMGR_Initialize

More information

iOS5_1±³

iOS5_1±³ IDG Deep Dive ios 5 2 3 4 5 6 7 8 9 10 11 12 ios 5 토어 버튼이 상단 좌측에 추가되어 아이튠즈 스토 어의 적합한 영역으로 연결해 준다. 또한 블루투스의 원격제어 기능인 AVRCP(AV Remote Control Profile)가 1.3 버전으로 업데이 트되어 음악을 블루투스로 스트리밍할 때 트랙과 아티스트, 앨범 정보를

More information

Microsoft Word - src.doc

Microsoft Word - src.doc IPTV 서비스탐색및콘텐츠가이드 RI 시스템운용매뉴얼 목차 1. 서버설정방법... 5 1.1. 서비스탐색서버설정... 5 1.2. 컨텐츠가이드서버설정... 6 2. 서버운용방법... 7 2.1. 서비스탐색서버운용... 7 2.1.1. 서비스가이드서버실행... 7 2.1.2. 서비스가이드정보확인... 8 2.1.3. 서비스가이드정보추가... 9 2.1.4. 서비스가이드정보삭제...

More information

슬라이드 1

슬라이드 1 Pairwise Tool & Pairwise Test NuSRS 200511305 김성규 200511306 김성훈 200614164 김효석 200611124 유성배 200518036 곡진화 2 PICT Pairwise Tool - PICT Microsoft 의 Command-line 기반의 Free Software www.pairwise.org 에서다운로드후설치

More information

Chap 6: Graphs

Chap 6: Graphs 그래프표현법 인접행렬 (Adjacency Matrix) 인접리스트 (Adjacency List) 인접다중리스트 (Adjacency Multilist) 6 장. 그래프 (Page ) 인접행렬 (Adjacency Matrix) n 개의 vertex 를갖는그래프 G 의인접행렬의구성 A[n][n] (u, v) E(G) 이면, A[u][v] = Otherwise, A[u][v]

More information

저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할

저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할 저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,

More information

장애인건강관리사업

장애인건강관리사업 장애인건강관리사업 2013. 2013 : : ( ) : ( ) ( ) ( ) : ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 1.. 2.. 제1장. 연구개요 1 제2장. 1세부과제 : 장애인건강상태평가와모니터링 10 - i - 제3장. 2세부과제 : 장애인만성질환위험요인조사연구 117 - ii - 4장.

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 906 정보과학회논문지 : 컴퓨팅의실제및레터제 14 권제 9 호 (2008.12) 사용자컨텍스트공유를위한상황인지메신저 (A Context-aware Messenger for Sharing User Contextual Information) 홍진혁 양성익 (Jin-Hyuk Hong) (Sung-Ihk Yang) 조성배 (Sung-Bae Cho) used, there

More information

표본재추출(resampling) 방법

표본재추출(resampling) 방법 표본재추출 (resampling) 방법 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 표본재추출 (resampling) 방법 1 / 18 학습내용 개요 CV(crss-validatin) 검증오차 LOOCV(leave-ne-ut crss-validatin) k-fld CV 편의-분산의관계분류문제에서의 CV Btstrap 박창이 ( 서울시립대학교통계학과

More information

S - O I L M A G A Z I N E 2016 April Vol

S - O I L M A G A Z I N E 2016 April Vol 04 S-OIL MAGAZINE Vol. 413 April 2016 S - O I L M A G A Z I N E 2016 April Vol. 413 04 12 16 18 20 22 24 26 28 30 32 34 38 42 48 49 50 04 MONTHLY MAGAZINE 05 APRIL 2016 06 MONTHLY MAGAZINE 07 APRIL 2016

More information

MVVM 패턴의 이해

MVVM 패턴의 이해 Seo Hero 요약 joshua227.tistory. 2014 년 5 월 13 일 이문서는 WPF 어플리케이션개발에필요한 MVVM 패턴에대한내용을담고있다. 1. Model-View-ViewModel 1.1 기본개념 MVVM 모델은 MVC(Model-View-Contorl) 패턴에서출발했다. MVC 패턴은전체 project 를 model, view 로나누어

More information

용역보고서

용역보고서 여러고장모드를갖는자료분석방법 2009. 1. ( 주 ) 한국신뢰성기술서비스 목차 여러고장모드를갖는자료분석방법...3 1. 개요...3 2. 분석방법및예제...4 2.1 CFM(Competing Failure Mode) 분석...4 2.2 Mixed Weibull 분석...4 2.3 Mixed Weibull 예제...5 3. 요약정리...9 ii http://www.korts.co.kr

More information

holiday webinar 2013 _ Korean webinar order.pptx

holiday webinar 2013 _ Korean webinar order.pptx Presented(by(Chris.an(Galvin,(( Fiksu(US(Sales(Director,(Mobile(Apps((( HIGH/PERFORMANCE/MOBILE/APP/MARKETING/PLATFORM/ 모바일 생태계 전체를 위한 종합층 (AggregaAon/Layer)/ 다운로드 관련 모든 소스에 대한 일괄 통합/ 세계 최대 모바일 인벤토리에 대한

More information

PowerPoint 프레젠테이션

PowerPoint 프레젠테이션 System Software Experiment 1 Lecture 5 - Array Spring 2019 Hwansoo Han (hhan@skku.edu) Advanced Research on Compilers and Systems, ARCS LAB Sungkyunkwan University http://arcs.skku.edu/ 1 배열 (Array) 동일한타입의데이터가여러개저장되어있는저장장소

More information

로거 자료실

로거 자료실 redirection 매뉴얼 ( 개발자용 ) V1.5 Copyright 2002-2014 BizSpring Inc. All Rights Reserved. 본문서에대한저작권은 비즈스프링 에있습니다. - 1 - 목차 01 HTTP 표준 redirect 사용... 3 1.1 HTTP 표준 redirect 예시... 3 1.2 redirect 현상이여러번일어날경우예시...

More information

이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론

이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론 이도경, 최덕재 Dokyeong Lee, Deokjai Choi 1. 서론 2. 관련연구 2.1 MQTT 프로토콜 Fig. 1. Topic-based Publish/Subscribe Communication Model. Table 1. Delivery and Guarantee by MQTT QoS Level 2.1 MQTT-SN 프로토콜 Fig. 2. MQTT-SN

More information

- 89 -

- 89 - - 89 - - 90 - - 91 - - 92 - - 93 - - 94 - - 95 - - 96 - - 97 - - 98 - - 99 - 있다 장정임 ( 2009). Toylor 와 Betz(1983) 의 진로결정자기효능감 척도 와 및 등이 개발 (career 와 한 진로결정자기효능감 척도 단축형 은 미래계획수립 문제해결과 같은 자신에 대한 이해를 바탕으로

More information

* 이논문은제 1 저자의진주교육대학교교육대학원초등특수교육전공석사학위논문임. ** 주저자 : 진주장재초등학교교사 *** 교신저자 : 진주교육대학교교수

* 이논문은제 1 저자의진주교육대학교교육대학원초등특수교육전공석사학위논문임. ** 주저자 : 진주장재초등학교교사 *** 교신저자 : 진주교육대학교교수 * 이논문은제 1 저자의진주교육대학교교육대학원초등특수교육전공석사학위논문임. ** 주저자 : 진주장재초등학교교사 *** 교신저자 : 진주교육대학교교수 (chungysc@cue.ac.kr) - 91 - - 92 - - 93 - - 94 - - 95 - - 96 - - 97 - - 98 - - 99 - - 100 - - 101 - - 102 - - 103 -

More information

Microsoft PowerPoint - 26.pptx

Microsoft PowerPoint - 26.pptx 이산수학 () 관계와그특성 (Relations and Its Properties) 2011년봄학기 강원대학교컴퓨터과학전공문양세 Binary Relations ( 이진관계 ) Let A, B be any two sets. A binary relation R from A to B, written R:A B, is a subset of A B. (A 에서 B 로의이진관계

More information

IP 심화 라우팅프로토콜적용시 라우팅테이블에서 이니셜이있는네트워크를설정하는것 : onnected 직접연결된네트워크를의미한다. 그러므로라우팅은 나는이런네트워크와연결되어있다. 를직접연결된라우터들에게알려주는것 1>en 1#conf t 1(config)#router rip 1

IP 심화 라우팅프로토콜적용시 라우팅테이블에서 이니셜이있는네트워크를설정하는것 : onnected 직접연결된네트워크를의미한다. 그러므로라우팅은 나는이런네트워크와연결되어있다. 를직접연결된라우터들에게알려주는것 1>en 1#conf t 1(config)#router rip 1 IP 심화 º 각 P 의게이트웨이는해당네트워크의마지막주소를사용한다. - P1 (210.220.10.1/26) 의게이트웨이 (5의 Fa0/0) : 210.220.10.63 /26 = 255.255.255.192 호스트비트수 : 32-26 = 6 비트 => = 64 그러므로 P1의 IP 210.220.10.1 중서브넷마스크에의거 26비트는변함이없고, 나머지 6비트가호스트비트로변하므로

More information

3. 다음은카르노맵의표이다. 논리식을간략화한것은? < 나 > 4. 다음카르노맵을간략화시킨결과는? < >

3. 다음은카르노맵의표이다. 논리식을간략화한것은? < 나 > 4. 다음카르노맵을간략화시킨결과는? < > . 변수의수 ( 數 ) 가 3 이라면카르노맵에서몇개의칸이요구되는가? 2칸 나 4칸 다 6칸 8칸 < > 2. 다음진리표의카르노맵을작성한것중옳은것은? < 나 > 다 나 입력출력 Y - 2 - 3. 다음은카르노맵의표이다. 논리식을간략화한것은? < 나 > 4. 다음카르노맵을간략화시킨결과는? < > 2 2 2 2 2 2 2-3 - 5. 다음진리표를간략히한결과

More information

(2) 다중상태모형 (Hyunoo Shim) 1 / 2 (Coninuous-ime Markov Model) ➀ 전이가일어나는시점이산시간 : = 1, 2,, 4,... [ 연속시간 : 아무때나, T 1, T 2... * 그림 (2) 다중상태모형 ➁ 계산과정 이산시간 : 전이력 (force of ransiion) 정의안됨 전이확률 (ransiion probabiliy)

More information

연구노트

연구노트 #2. 종이 질 - 일단은 OK. 하지만 만년필은 조금 비침. 종이질은 일단 합격점. 앞으로 종이질은 선택옵션으로 둘 수 있으리라 믿는다. 종이가 너무 두꺼우면, 뒤에 비치지 는 않지만, 무겁고 유연성이 떨어진다. 하지만 두꺼우면 고의적 망실의 위험도 적고 적당한 심리적 부담도 줄 것이 다. 이점은 호불호가 있을 것으로 생각되지만, 일단은 괜찮아 보인다. 필자의

More information

저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할

저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할 저작자표시 - 비영리 - 변경금지 2.0 대한민국 이용자는아래의조건을따르는경우에한하여자유롭게 이저작물을복제, 배포, 전송, 전시, 공연및방송할수있습니다. 다음과같은조건을따라야합니다 : 저작자표시. 귀하는원저작자를표시하여야합니다. 비영리. 귀하는이저작물을영리목적으로이용할수없습니다. 변경금지. 귀하는이저작물을개작, 변형또는가공할수없습니다. 귀하는, 이저작물의재이용이나배포의경우,

More information

내지(교사용) 4-6부

내지(교사용) 4-6부 Chapter5 140 141 142 143 144 145 146 147 148 01 02 03 04 05 06 07 08 149 활 / 동 / 지 2 01 즐겨 찾는 사이트와 찾는 이유는? 사이트: 이유: 02 아래는 어느 외국계 사이트의 회원가입 화면이다. 국내의 일반적인 회원가입보다 절차가 간소하거나 기입하지 않아도 되는 개인정보 항목이 있다면 무엇인지

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 확률기반상위수준컨텍스트인식기를활용한라이프로그태깅인터페이스 781 확률기반상위수준컨텍스트인식기를활용한라이프로그태깅인터페이스 (A Lifelog Tagging Interface using High Level Context Recognizer based on Probability) 황주원 이영설 (Ju-Won Hwang) (Young-Seol Lee) 조성배 (Sung-Bae

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 208 정보과학회논문지 : 소프트웨어및응용제 36 권제 3 호 (2009.3) 고차상관관계를표현하는랜덤하이퍼그래프모델진화를위한베이지안샘플링알고리즘 (A Bayesian Sampling Algorithm for Evolving Random Hypergraph Models Representing Higher-Order Correlations) 이시은 이인희 장병탁

More information

Microsoft PowerPoint - chap04-연산자.pptx

Microsoft PowerPoint - chap04-연산자.pptx int num; printf( Please enter an integer: "); scanf("%d", &num); if ( num < 0 ) printf("is negative.\n"); printf("num = %d\n", num); } 1 학습목표 수식의 개념과 연산자, 피연산자에 대해서 알아본다. C의 를 알아본다. 연산자의 우선 순위와 결합 방향에

More information

PowerPoint Template

PowerPoint Template JavaScript 회원정보 입력양식만들기 HTML & JavaScript Contents 1. Form 객체 2. 일반적인입력양식 3. 선택입력양식 4. 회원정보입력양식만들기 2 Form 객체 Form 객체 입력양식의틀이되는 태그에접근할수있도록지원 Document 객체의하위에위치 속성들은모두 태그의속성들의정보에관련된것

More information

보고싶었던 Deep Learning과 OpenCV를이용한이미지처리과정에대해공부를해볼수있으며더나아가 Deep Learning기술을이용하여논문을작성하는데많은도움을받을수있으며아직배우는단계에있는저에게는기존의연구를따라해보는것만으로도큰발전이있다고생각했습니다. 그래서이번 DSP스마

보고싶었던 Deep Learning과 OpenCV를이용한이미지처리과정에대해공부를해볼수있으며더나아가 Deep Learning기술을이용하여논문을작성하는데많은도움을받을수있으며아직배우는단계에있는저에게는기존의연구를따라해보는것만으로도큰발전이있다고생각했습니다. 그래서이번 DSP스마 특성화사업참가결과보고서 작성일 2017 12.22 학과전자공학과 참가활동명 EATED 30 프로그램지도교수최욱 연구주제명 Machine Learning 을이용한얼굴학습 학번 201301165 성명조원 I. OBJECTIVES 사람들은새로운사람들을보고인식을하는데걸리는시간은 1초채되지않다고합니다. 뿐만아니라사람들의얼굴을인식하는인식률은무려 97.5% 정도의매우높은정확도를가지고있습니다.

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 56 정보과학회논문지 : 컴퓨팅의실제제 12 권제 1 호 (2006.2) 로봇의효과적인서비스를위해베이지안네트워크기반의실내환경의가려진물체추론 (Reasoning Occluded Objects in Indoor Environment Using Bayesian Network for Robot Effective Service) 송윤석 조성배 (Youn-Suk Song)

More information

RVC Robot Vaccum Cleaner

RVC Robot Vaccum Cleaner RVC Robot Vacuum 200810048 정재근 200811445 이성현 200811414 김연준 200812423 김준식 Statement of purpose Robot Vacuum (RVC) - An RVC automatically cleans and mops household surface. - It goes straight forward while

More information

Microsoft PowerPoint - CSharp-10-예외처리

Microsoft PowerPoint - CSharp-10-예외처리 10 장. 예외처리 예외처리개념 예외처리구문 사용자정의예외클래스와예외전파 순천향대학교컴퓨터학부이상정 1 예외처리개념 순천향대학교컴퓨터학부이상정 2 예외처리 오류 컴파일타임오류 (Compile-Time Error) 구문오류이기때문에컴파일러의구문오류메시지에의해쉽게교정 런타임오류 (Run-Time Error) 디버깅의절차를거치지않으면잡기어려운심각한오류 시스템에심각한문제를줄수도있다.

More information

DBPIA-NURIMEDIA

DBPIA-NURIMEDIA 144 정보과학회논문지 : 소프트웨어및응용제 36 권제 2 호 (2009.2) 모바일환경에서의지능형서비스를위한베이지안추론과컨텍스트트리매칭방법 (Bayesian Inferrence and Context-Tree Matching Method for Intelligent Services in a Mobile Environment) 김희택 민준기 조성배 (Hee-Taek

More information

Microsoft PowerPoint - chap06-1Array.ppt

Microsoft PowerPoint - chap06-1Array.ppt 2010-1 학기프로그래밍입문 (1) chapter 06-1 참고자료 배열 박종혁 Tel: 970-6702 Email: jhpark1@snut.ac.kr 한빛미디어 출처 : 뇌를자극하는 C프로그래밍, 한빛미디어 -1- 배열의선언과사용 같은형태의자료형이많이필요할때배열을사용하면효과적이다. 배열의선언 배열의사용 배열과반복문 배열의초기화 유연성있게배열다루기 한빛미디어

More information

완벽한개념정립 _ 행렬의참, 거짓 수학전문가 NAMU 선생 1. 행렬의참, 거짓개념정리 1. 교환법칙과관련한내용, 는항상성립하지만 는항상성립하지는않는다. < 참인명제 > (1),, (2) ( ) 인경우에는 가성립한다.,,, (3) 다음과같은관계식을만족하는두행렬 A,B에

완벽한개념정립 _ 행렬의참, 거짓 수학전문가 NAMU 선생 1. 행렬의참, 거짓개념정리 1. 교환법칙과관련한내용, 는항상성립하지만 는항상성립하지는않는다. < 참인명제 > (1),, (2) ( ) 인경우에는 가성립한다.,,, (3) 다음과같은관계식을만족하는두행렬 A,B에 1. 행렬의참, 거짓개념정리 1. 교환법칙과관련한내용, 는항상성립하지만 는항상성립하지는않는다. < 참인명제 > (1),, (2) ( ) 인경우에는 가성립한다.,,, (3) 다음과같은관계식을만족하는두행렬 A,B에대하여 AB=BA 1 가성립한다 2 3 (4) 이면 1 곱셈공식및변형공식성립 ± ± ( 복호동순 ), 2 지수법칙성립 (은자연수 ) < 거짓인명제 >

More information

S - O I L M A G A Z I N E 2016 February Vol. 411 04 15 20 22 24 26

S - O I L M A G A Z I N E 2016 February Vol. 411 04 15 20 22 24 26 02 S-OIL MAGAZINE Vol. 411 February 2016 S - O I L M A G A Z I N E 2016 February Vol. 411 04 15 20 22 24 26 28 30 32 34 38 44 49 50 04 MONTHLY MAGAZINE 05 FEBRUARY 2016 06 MONTHLY MAGAZINE 07 FEBRUARY

More information

Bind Peeking 한계에따른 Adaptive Cursor Sharing 등장 엑셈컨설팅본부 /DB 컨설팅팀김철환 Bind Peeking 의한계 SQL 이최초실행되면 3 단계의과정을거치게되는데 Parsing 단계를거쳐 Execute 하고 Fetch 의과정을통해데이터

Bind Peeking 한계에따른 Adaptive Cursor Sharing 등장 엑셈컨설팅본부 /DB 컨설팅팀김철환 Bind Peeking 의한계 SQL 이최초실행되면 3 단계의과정을거치게되는데 Parsing 단계를거쳐 Execute 하고 Fetch 의과정을통해데이터 Bind Peeking 한계에따른 Adaptive Cursor Sharing 등장 엑셈컨설팅본부 /DB 컨설팅팀김철환 Bind Peeking 의한계 SQL 이최초실행되면 3 단계의과정을거치게되는데 Parsing 단계를거쳐 Execute 하고 Fetch 의과정을통해데이터를사용자에게전송하게되며 Parsing 단계에서실행계획이생성된다. Bind 변수를사용하는 SQL

More information

*074-081pb61۲õðÀÚÀ̳ʸ

*074-081pb61۲õðÀÚÀ̳ʸ 74 October 2005 현 대는 이미지의 시대다. 영국의 미술비평가 존 버거는 이미지를 새롭 게 만들어진, 또는 재생산된 시각 으로 정의한 바 있다. 이 정의에 따르 면, 이미지는 사물 그 자체가 아니라는 것이다. 이미지는 보는 사람의, 혹은 이미지를 창조하는 사람의 믿음이나 지식에 제한을 받는다. 이미지는 언어, 혹은 문자에 선행한다. 그래서 혹자는

More information

Microsoft PowerPoint - Java7.pptx

Microsoft PowerPoint - Java7.pptx HPC & OT Lab. 1 HPC & OT Lab. 2 실습 7 주차 Jin-Ho, Jang M.S. Hanyang Univ. HPC&OT Lab. jinhoyo@nate.com HPC & OT Lab. 3 Component Structure 객체 (object) 생성개념을이해한다. 외부클래스에대한접근방법을이해한다. 접근제어자 (public & private)

More information

온습도 판넬미터(JTH-05) 사양서V1.0

온습도 판넬미터(JTH-05)  사양서V1.0 온습도 조절기 Model:JTH-05 1. 제품 사양. [제품 구분] JTH-05A(입력 전원 AC), JTH-05D(입력 전원 DC) [전원 사양] JTH-05A 입력 전압 출력 전원 소비 전력 JTH-05D AC 90~240V DC 10~36V 12Vdc / Max.170mA Max.2W [본체 사이즈] ~ 온/습도 범위(본체): 사용 [0 ~ 50, 85%RH

More information

자연언어처리

자연언어처리 제 7 장파싱 파싱의개요 파싱 (Parsing) 입력문장의구조를분석하는과정 문법 (grammar) 언어에서허용되는문장의구조를정의하는체계 파싱기법 (parsing techniques) 문장의구조를문법에따라분석하는과정 차트파싱 (Chart Parsing) 2 문장의구조와트리 문장 : John ate the apple. Tree Representation List

More information

소프트웨어공학 Tutorial #2: StarUML Eun Man Choi

소프트웨어공학 Tutorial #2: StarUML Eun Man Choi 소프트웨어공학 Tutorial #2: StarUML Eun Man Choi emchoi@dgu.ac.kr Contents l StarUML 개요 l StarUML 소개및특징 l 주요기능 l StarUML 화면소개 l StarUML 설치 l StarUML 다운 & 설치하기 l 연습 l 사용사례다이어그램그리기 l 클래스다이어그램그리기 l 순서다이어그램그리기 2

More information

에듀데이터_자료집_완성본.hwp

에듀데이터_자료집_완성본.hwp 단위학교성과제고를위한 교육여건개선방안탐색 모시는글 2012 년도에듀데이터활용학술대회프로그램 목차 n n [ 주제 1] 교육지원청수준에서기초학력결정요인분석연구 천세영 이성은 3 [ 주제 2] 비용함수모형에의한국 공립중학교적정교육비및가중치산출연구 오범호 윤홍주 엄문영 37 n n [ 주제 1] 토론 김영애 67 [ 주제 2] 토론 김성식 73 n n [ 주제

More information

<3235B0AD20BCF6BFADC0C720B1D8C7D120C2FC20B0C5C1FE20322E687770>

<3235B0AD20BCF6BFADC0C720B1D8C7D120C2FC20B0C5C1FE20322E687770> 25 강. 수열의극한참거짓 2 두수열 { }, {b n } 의극한에대한 < 보기 > 의설명중옳은것을모두고르면? Ⅰ. < b n 이고 lim = 이면 lim b n =이다. Ⅱ. 두수열 { }, {b n } 이수렴할때 < b n 이면 lim < lim b n 이다. Ⅲ. lim b n =0이면 lim =0또는 lim b n =0이다. Ⅰ 2Ⅱ 3Ⅲ 4Ⅰ,Ⅱ 5Ⅰ,Ⅲ

More information

PowerPoint Template

PowerPoint Template ` ERwin Data Modeler 사용자교육 ERwin Data Modeler 소개 I. ERwin Data Modeler 목차 1. ERwin 소개 2. ERwin 의모델링용어소개 3. ERwin Model Type 4. Relationship Issue -2-2 II. ERwin Data Modeler (Outline) ERwin Data Modeler

More information

네트워크통신연결방법 네트워크제품이통신을할때, 서로연결하는방법에대해설명합니다. FIRST EDITION

네트워크통신연결방법 네트워크제품이통신을할때, 서로연결하는방법에대해설명합니다. FIRST EDITION 네트워크제품이통신을할때, 서로연결하는방법에대해설명합니다. FIRST EDITION 05-2012 개요 개요 네트워크상에연결되어있는기기들이통신을할때, 어떻게목적지를찾아가는지 (IP 주소, 서브넷마스크, 게이트웨이 ) 어떻게데이터를보내는지 (UDP/TCP, ) 에대한내용을설명합니다. 네트워크설정에따른특징을이해하여, 제품이설치된네트워크환경에따라알맞은설정을하도록합니다.

More information

생존분석의 추정과 비교 : 보충자료 이용희 December 12, 2018 Contents 1 생존함수와 위험함수 생존함수와 위험함수 예제: 지수분포

생존분석의 추정과 비교 : 보충자료 이용희 December 12, 2018 Contents 1 생존함수와 위험함수 생존함수와 위험함수 예제: 지수분포 생존분석의 추정과 비교 : 보충자료 이용희 December, 8 Cotets 생존함수와 위험함수. 생존함수와 위험함수....................................... 예제: 지수분포.......................................... 예제: 와이블분포.........................................

More information

2007년 6월 고2 모의고사 국어,언어 문제.hwp

2007년 6월 고2 모의고사 국어,언어 문제.hwp 2007학년도 6월고2 전국연합학력평가문제지고 2 언어영역 언어영역 1 번부터 5 번까지는듣고답하는문제입니다. 방송을잘듣고 답을하기바랍니다. 듣는내용은한번만방송됩니다. 이제듣기문제는다끝났습니다. 6 번부터는문제지의지시 에따라답을하기바랍니다 1 언어영역고 2 2 고 2 언어영역 3 언어영역고 2 4 고 2 언어영역 5 언어영역고 2 6 고 2 언어영역 연탄천사

More information

< C0DAC0B2C5BDB1B820BFEEBFB520B8DEB4BABEF32D33C2F720C6EDC1FD2E687770>

< C0DAC0B2C5BDB1B820BFEEBFB520B8DEB4BABEF32D33C2F720C6EDC1FD2E687770> 과학영재의창의적탐구능력배양을위한 R&E 프로그램기획 운영핸드북 Handbook of Annual Planning and Implementing R&E Program for the Talented 2017 과학영재창의연구 (R&E) 지원센터 이핸드북은과학고와과학영재학교의연간 R&E 프로그램기획 운영을효과적으로지원하기위해개발된것으로, 한국과학창의재단지정과학영재창의연구

More information

WISHBONE System-on-Chip Interconnection Architecture for Portable IP Cores

WISHBONE System-on-Chip Interconnection Architecture for Portable IP Cores 프로젝트정리 1주차 : 미로를텍스트파일로만들어출력하는프로그램작성. 2주차 : 텍스트형태의미로를 MC의그래픽기능을이용하여그리는프로그램작성. 3주차 : 미로에서길찾는프로그램작성. Dept. of CS, Sogang Univ. 1 DS를이용한미로길찾기문제 DS를이용한미로길찾기문제는 2주차까지설계한미로의출발점과도착점을연결하는가장짧은경로를탐색해출력하는문제이다. NxM

More information

실험. Multimeter 의사용법및기초회로이론 Multimeter 의사용법 멀티미터 (Multimeter) 는저항, 전압, 전류등을측정할수있는계측기로서전면은다음그림과같다. 멀티미터를이용해서저항, 전압, 전류등을측정하기위해서는다음그림과같은프로브 (probe) 를멀티미터

실험. Multimeter 의사용법및기초회로이론 Multimeter 의사용법 멀티미터 (Multimeter) 는저항, 전압, 전류등을측정할수있는계측기로서전면은다음그림과같다. 멀티미터를이용해서저항, 전압, 전류등을측정하기위해서는다음그림과같은프로브 (probe) 를멀티미터 실험. Multimeter 의사용법및기초회로이론 Multimeter 의사용법 멀티미터 (Multimeter) 는저항, 전압, 전류등을측정할수있는계측기로서전면은다음그림과같다. 멀티미터를이용해서저항, 전압, 전류등을측정하기위해서는다음그림과같은프로브 (probe) 를멀티미터의전면패널에꼽는다. 통상적으로검은색프로브는전면패널의검은단자 (COM) 에꼽으며, 빨간색프로브는빨간색단자에꼽는다.

More information

제8장 자바 GUI 프로그래밍 II

제8장 자바 GUI 프로그래밍 II 제8장 MVC Model 8.1 MVC 모델 (1/7) MVC (Model, View, Controller) 모델 스윙은 MVC 모델에기초를두고있다. MVC란 Xerox의연구소에서 Smalltalk 언어를바탕으로사용자인터페이스를개발하기위한방법 MVC는 3개의구성요소로구성 Model : 응용프로그램의자료를표현하기위한모델 View : 자료를시각적으로 (GUI 방식으로

More information

2 Journal of Disaster Prevention

2 Journal of Disaster Prevention VOL.13 No.4 2011 08 JOURNAL OF DISASTER PREVENTION CONTENTS XXXXXX XXXXXX 2 Journal of Disaster Prevention 3 XXXXXXXXXXXXXXX XXXXXXXXXXXXXX 4 Journal of Disaster Prevention 5 6 Journal of Disaster Prevention

More information

C# Programming Guide - Types

C# Programming Guide - Types C# Programming Guide - Types 최도경 lifeisforu@wemade.com 이문서는 MSDN 의 Types 를요약하고보충한것입니다. http://msdn.microsoft.com/enus/library/ms173104(v=vs.100).aspx Types, Variables, and Values C# 은 type 에민감한언어이다. 모든

More information

(001~006)개념RPM3-2(부속)

(001~006)개념RPM3-2(부속) www.imth.tv - (~9)개념RPM-(본문).. : PM RPM - 대푯값 페이지 다민 PI LPI 알피엠 대푯값과산포도 유형 ⑴ 대푯값 자료 전체의 중심적인 경향이나 특징을 하나의 수로 나타낸 값 ⑵ 평균 (평균)= Ⅰ 통계 (변량)의 총합 (변량의 개수) 개념플러스 대푯값에는 평균, 중앙값, 최 빈값 등이 있다. ⑶ 중앙값 자료를 작은 값부터 크기순으로

More information

Microsoft PowerPoint Relations.pptx

Microsoft PowerPoint Relations.pptx 이산수학 () 관계와그특성 (Relations and Its Properties) 2010년봄학기강원대학교컴퓨터과학전공문양세 Binary Relations ( 이진관계 ) Let A, B be any two sets. A binary relation R from A to B, written R:A B, is a subset of A B. (A 에서 B 로의이진관계

More information

- 2 -

- 2 - - 1 - - 2 - - - - 4 - - 5 - - 6 - - 7 - - 8 - 4) 민원담당공무원 대상 설문조사의 결과와 함의 국민신문고가 업무와 통합된 지식경영시스템으로 실제 운영되고 있는지, 국민신문 고의 효율 알 성 제고 등 성과향상에 기여한다고 평가할 수 있는지를 치 메 국민신문고를 접해본 중앙부처 및 지방자 였 조사를 시행하 였 해 진행하 월 다.

More information

2018 학년도수시 1 차모집정원내입시결과 모집단위 입학정원 수업년한 면접및실기고사점수는반영안됨 지원율 최저 수시 1 차 일반전형특별전형 ( 일반고교졸업자 ) 특별전형 ( 특성화고교졸업자 ) 내신등급 내신등급 내신등급 최초 최종 지지원최초최종원 최초 최종 최 최 최 율

2018 학년도수시 1 차모집정원내입시결과 모집단위 입학정원 수업년한 면접및실기고사점수는반영안됨 지원율 최저 수시 1 차 일반전형특별전형 ( 일반고교졸업자 ) 특별전형 ( 특성화고교졸업자 ) 내신등급 내신등급 내신등급 최초 최종 지지원최초최종원 최초 최종 최 최 최 율 2018 학년도수시 1 차모집정원내입시결과 모집단위 입학정원 수업년한 면접및실기고사점수는반영안됨 지원율 최저 수시 1 차 일반전형특별전형 ( 일반고교졸업자 ) 특별전형 ( 특성화고교졸업자 ) 최초 최종 지지원최초최종원 최초 최종 최 최 최 율 최 최 최 최 율 최 최 최 고 저 고 저 고 저 고 저 고 저 유통경영과 105 2 년제 5.0 5.4 2.1 7.7

More information

<B3EDB4DC28B1E8BCAEC7F6292E687770>

<B3EDB4DC28B1E8BCAEC7F6292E687770> 1) 초고를읽고소중한조언을주신여러분들게감사드린다. 소중한조언들에도불구하고이글이포함하는오류는전적으로저자개인의것임을밝혀둔다. 2) 대표적인학자가 Asia's Next Giant: South Korea and Late Industrialization, 1990 을저술한 MIT 의 A. Amsden 교수이다. - 1 - - 2 - 3) 계량방법론은회귀분석 (regression)

More information

단순 베이즈 분류기

단순 베이즈 분류기 단순베이즈분류기 박창이 서울시립대학교통계학과 박창이 ( 서울시립대학교통계학과 ) 단순베이즈분류기 1 / 14 학습내용 단순베이즈분류 구현 예제 박창이 ( 서울시립대학교통계학과 ) 단순베이즈분류기 2 / 14 단순베이즈분류 I 입력변수의값이 x = (x 1,..., x p ) 로주어졌을때 Y = k일사후확률 P(Y = k X 1 = x 1,..., X p =

More information

exp

exp exp exp exp exp exp exp exp exp exp exp exp log 第 卷 第 號 39 4 2011 4 투영법을 이용한 터빈 블레이드의 크리프 특성 분석 329 성을 평가하였다 이를 위해 결정계수값인 값 을 비교하였으며 크리프 시험 결과를 곡선 접합 한 결과와 비선형 최소자승법으로 예측한 결과 사 이 결정계수간 정도의 오차가 발생하였고

More information

슬라이드 1

슬라이드 1 마이크로컨트롤러 2 (MicroController2) 2 강 ATmega128 의 external interrupt 이귀형교수님 학습목표 interrupt 란무엇인가? 기본개념을알아본다. interrupt 중에서가장사용하기쉬운 external interrupt 의사용방법을학습한다. 1. Interrupt 는왜필요할까? 함수동작을추가하여실행시키려면? //***

More information

Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제

Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제 Artificial Intelligence: Assignment 6 Seung-Hoon Na December 15, 2018 1 1.1 Sarsa와 Q-learning Windy Gridworld Windy Gridworld의 원문은 다음 Sutton 교재의 연습문제 6.5에서 찾아볼 수 있다. http://incompleteideas.net/book/bookdraft2017nov5.pdf

More information

< 서식 5> 탐구보고서표지 제 25 회서울학생탐구발표대회보고서 출품번호 유글레나를이용한산소발생환경의탐구 소속청학교명학년성명 ( 팀명 ) 강서교육청서울백석중학교 3 임산해 [ 팀원이름 ]

< 서식 5> 탐구보고서표지 제 25 회서울학생탐구발표대회보고서 출품번호 유글레나를이용한산소발생환경의탐구 소속청학교명학년성명 ( 팀명 ) 강서교육청서울백석중학교 3 임산해 [ 팀원이름 ] < 서식 5> 탐구보고서표지 제 25 회서울학생탐구발표대회보고서 출품번호 유글레나를이용한산소발생환경의탐구 2010. 09. 28. 소속청학교명학년성명 ( 팀명 ) 강서교육청서울백석중학교 3 임산해 [ 팀원이름 ] 목 차 Ⅰ. 탐구주제 02 Ⅱ. 탐구하게된동기 02 Ⅲ. 배경이론 02 1. 유글레나의특징가. ph 나. 온도 Ⅳ. 선행연구고찰 03 1. 산소결핍과인체에미치는영향

More information

베이지안네트워크를이용한 Fuzzy-AHP 기반모바일게임추천시스템 1. 서론추천시스템이란사용자의개인정보, 관심분야, 선호도등의정보를기반으로사용자에게적합한정보를추천하거나제공하는시스템을말한다. 이러한추천시스템은영화나음악, 뉴스, 책, 상품, 모바일게임등의추천을위하여다양한곳에

베이지안네트워크를이용한 Fuzzy-AHP 기반모바일게임추천시스템 1. 서론추천시스템이란사용자의개인정보, 관심분야, 선호도등의정보를기반으로사용자에게적합한정보를추천하거나제공하는시스템을말한다. 이러한추천시스템은영화나음악, 뉴스, 책, 상품, 모바일게임등의추천을위하여다양한곳에 https://doi.org/10.14400/jdc.2017.15.4.461 베이지안네트워크를이용한 Fuzzy-AHP 기반모바일게임추천시스템 오재택 *, 이상용 ** 공주대학교컴퓨터공학과 *, 공주대학교컴퓨터공학부 ** Fuzzy-AHP Based Mobile Games Recommendation System Using Bayesian Network Jae-Taek

More information

강의 개요

강의 개요 DDL TABLE 을만들자 웹데이터베이스 TABLE 자료가저장되는공간 문자자료의경우 DB 생성시지정한 Character Set 대로저장 Table 생성시 Table 의구조를결정짓는열속성지정 열 (Clumn, Attribute) 은이름과자료형을갖는다. 자료형 : http://dev.mysql.cm/dc/refman/5.1/en/data-types.html TABLE

More information

쉽게 풀어쓴 C 프로그래밊

쉽게 풀어쓴 C 프로그래밊 Power Java 제 27 장데이터베이스 프로그래밍 이번장에서학습할내용 자바와데이터베이스 데이터베이스의기초 SQL JDBC 를이용한프로그래밍 변경가능한결과집합 자바를통하여데이터베이스를사용하는방법을학습합니다. 자바와데이터베이스 JDBC(Java Database Connectivity) 는자바 API 의하나로서데이터베이스에연결하여서데이터베이스안의데이터에대하여검색하고데이터를변경할수있게한다.

More information

2013_1_14_GM작물실용화사업단_소식지_내지_인쇄_앙코르130.indd

2013_1_14_GM작물실용화사업단_소식지_내지_인쇄_앙코르130.indd GM작물실용화사업단 인식조사 및 실용화 방향 설정 GM작물 인식조사 및 실용화 방향 설정 한국사회과학데이터센터 김욱 박사 1. 조사목적 GM 작물 관련 인식조사는 사회과학자들을 바탕으로 하여 국내 다양한 이해관계자들의 GM 작물 관련 인식 추이를 지속적이고, 체계적으로 모니터링하여 인식이 어떻게 변화하고 있는가를 탐구하기 위한 것입니다. 2. 조사설계 2.1.

More information

IT.,...,, IoT( ),,.,. 99%,,, IoT 90%. 95%..., (PIPA). 디지털트랜스포메이션은데이터보안에대한새로운접근방식필요 멀티클라우드사용으로인해추가적인리스크발생 높은수준의도입률로복잡성가중 95% 는민감데이터에디지털트랜스포메이션기술을사용하고있음

IT.,...,, IoT( ),,.,. 99%,,, IoT 90%. 95%..., (PIPA). 디지털트랜스포메이션은데이터보안에대한새로운접근방식필요 멀티클라우드사용으로인해추가적인리스크발생 높은수준의도입률로복잡성가중 95% 는민감데이터에디지털트랜스포메이션기술을사용하고있음 2018 #2018DataThreat IT.,...,, IoT( ),,.,. 99%,,, IoT 90%. 95%..., (PIPA). 디지털트랜스포메이션은데이터보안에대한새로운접근방식필요 멀티클라우드사용으로인해추가적인리스크발생 높은수준의도입률로복잡성가중 95% 는민감데이터에디지털트랜스포메이션기술을사용하고있음 ( 클라우드, 빅데이터, IoT, 컨테이너, 블록체인또는모바일결제

More information

[Brochure] KOR_TunA

[Brochure] KOR_TunA LG CNS LG CNS APM (TunA) LG CNS APM (TunA) 어플리케이션의 성능 개선을 위한 직관적이고 심플한 APM 솔루션 APM 이란? Application Performance Management 란? 사용자 관점 그리고 비즈니스 관점에서 실제 서비스되고 있는 어플리케이션의 성능 관리 체계입니다. 이를 위해서는 신속한 장애 지점 파악 /

More information

(Microsoft PowerPoint - Ch19_NumAnalysis.ppt [\310\243\310\257 \270\360\265\345])

(Microsoft PowerPoint - Ch19_NumAnalysis.ppt [\310\243\310\257 \270\360\265\345]) 수치해석 6009 Ch9. Numerical Itegratio Formulas Part 5. 소개 / 미적분 미분 : 독립변수에대한종속변수의변화율 d vt yt dt yt 임의의물체의시간에따른위치, vt 속도 함수의구배 적분 : 미분의역, 어떤구간내에서시간 / 공간에따라변화하는정보를합하여전체결과를구함. t yt vt dt 0 에서 t 까지의구간에서곡선 vt

More information

5장. JSP와 Servlet 프로그래밍을 위한 기본 문법(완성-0421).hwp

5장. JSP와 Servlet 프로그래밍을 위한 기본 문법(완성-0421).hwp 1 0 1.7 6 5 'A ' '/ u 4 4 2 2 ' " JS P 프로그래밍 " A ', 'b ', ' 한 ', 9, \ u d 6 5 4 ' c h a r a = 'A '; 0 1 0 2 0 3 0 4 0 5 0 6 0 7 0 8 0 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6 1 7 1 8 1 9 < % @ p a g e c o n te n

More information

슬라이드 1

슬라이드 1 빅데이터분석을위한데이터마이닝방법론 SAS Enterprise Miner 활용사례를중심으로 9 주차 예측모형에대한평가 Assessment of Predictive Model 최종후, 강현철 차례 6. 모형평가의기본개념 6.2 모델비교 (Model Comparison) 노드 6.3 임계치 (Cutoff) 노드 6.4 의사결정 (Decisions) 노드 6.5 기타모형화노드들

More information