Subin Park

본 연구에서는 리더-구성원 교환관계(LMX)가 혁신행동에 미치는 영향을 유기통합이론을 통해 설명하였으며, 이러한 관계 속에서 조직지원인식(POS)과 지식공유 풍토의 역할을 검증하고자 하였다. 또한, 사회교환이론을 바탕으로 LMX가 POS에 미치는 영향을 분석 하였으며, 구성주의이론을 바탕으로 POS가 혁신행동에 미치는 영향을 검증하여 POS가 LMX와 혁신행동 간의 관계에서 메커니즘으로써의 역할을 확인하고자 하였다. 나아가 구성주의이론을 바탕으로 LMX가 POS를 통해 혁신행동에 영향을 미치는 일련의 과정에 대한 지식공유 풍토의 조절된 매개효과 역시 확인하고자 하였다. 국내 10개 기업에 종사하는 임직원 714명을 대상으로 설문조사를 실시하였으며, 이를 바탕으로 가설에 대한 검증을 실시하였다. 실증분석 결과, LMX는 혁신행동에 정(+)의 영향을 미치는 것으로 나타났다. 또한, POS가 LMX와 혁신행동 간의 관계를 긍정적으로 매개하는 것을 확인할 수 있었다. 연구 결과를 통해, 조

연구배경 본 연구의 목표는 메타버스라는 기술을 소개하고, 가상 박물관 운영에 있어서 메타버스 기술의 활용을 제안하는 것이다. 특히 메타버스의 새로운 요소로 개인화와 공유를 언급하고, 이를 바탕으로 가상 박물관의 메타버스 서비스 기획 및 운영 방향성을 제시한다. 연구방법 본 연구는 문헌 분석을 통해 메타버스 기술의 개념과 구성 요소에 대해 학술적으로 접근하고, 사례 분석 및 심층 인터뷰를 통해 국내외 미술관들이 어떻게 메타버스를 도입하였는지 소개하고 비교 분석하고자 한다. 또한, 국립현대미술관 온라인미술관의 김채은 담당자와 심층 인터뷰를 진행하여, 해당 온라인미술관에서 관리하는 채널들의 실제 데이터 활용 실태를 확인하고 본 연구에서 제시할 메타버스 서비스 기획 및 운영 방향성 제시에 참고하고자 하였다. 연구결과 본 연구는 3차원 그래픽 세계 안에서 완전한 가상 경험을 제공하는 ‘버추얼 월드’ 유형이 관람객에게 실제 박물관에서는 체험할 수 없었던 새로운 전시 경험을 제공하기에 가장 활발

최근 CNN을 기반으로 한 객체 검출 기술의 연구가 활발하다. 객체 검출 기술은 자율주행차, 지능형 영상분석 등에서 중요한 기술로 사용된다. 본 논문에서는 CNN 기반의 객체 검출기 중 하나인 SSD(Single Shot Multibox Detector)에 MI-FL(Moment Invariant-Feature Layer)을 적용하여 회전 변형에 강인한 객체 검출 시스템을 제안한다. 먼저 VGG 네트워크를 기반으로 입력 이미지의 특징을 추출한다. 그 후 총 6개의 특징 계층(Feature layer)을 적용하여 객체의 위치 정보와 종류를 예측해 경계 박스들을 생성한다. 그 후 NMS 알고리즘을 이용해 가장 객체일 확률이 높은 경계 박스를 얻는다. 하나의 객체 경계 박스가 정해지면 MI-FL을 이용해 해당 영역의 불변 모멘트 특징을 추출하여 미리 저장하고 학습한다. 이후 검출 과정에서 미리 저장해둔 불면 모멘트 특징 정보를 이용해 검출함으로써 회전된 이미지에 대해 기존 방법보다 더 강

최근 자율 주행 자동차에 대한 연구가 활발하다. 자율 주행 자동차는 보행자 검출 및 인식 기술이 중요하다. 최근에 주로 사용되는 CNN(Convolutional Neural Network)을 이용한 보행자 검출은 대체로 좋은 성능을 보이나 영상의 환경에 따른 성능 저하가 있다. 본 논문에서는 LGP-FL(Local Gradient Pattern-Feature Layer)을 추가한 CNN Network를 기반으로 해마 신경망의 장기 기억 구조를 적용한 보행자 검출 시스템을 제안한다. 먼저 입력 이미지를 227x227의 크기로 변경한다. 그 후 총 5개 층의 Convolution layer를 거쳐 특징을 추출한다. 그 과정에서 추가되는 LGP-FL에서는 LGP 특징 패턴을 추출하여 출현 빈도수가 높은 패턴을 장기 기억 장치에 저장한다. 이후 검출 과정에서 밝기 및 색상 변화에 강인한 LGP 특징 패턴 정보를 이용해 검출함으로써 보다 정확하게 보행자를 검출할 수 있다. 기존의 방법들과 제

동사의 주제 그룹 연구에서 물리적 행위 동사 연구는 매우 중요한 의미를 갖는다. 특히 본 연구에서 다룬 동사들은 대상에 대한 물리적 행위를 전달하는 의미 그룹에 속하는데, 물리적 행위 동사의 의미 구조를 분석함으로써 그 하위 그룹, 특히 창조와 파괴 동사 그룹 사이의 의미적 교차를 찾을 수 있었다. 창조 동사와 파괴 동사의 의미적 교차는 언어학적 관점에서 쉽게 설명된다. 물리적 행위 동사에 의해 지시되는 행위는 대상의 변화를 수반한다. 창조 동사와 파괴 동사는 동일한 의미 구조를 지니지만 화자의 주된 관심이 놓이는 지점의 차이만 있다. 창조 동사에서의 행위의 대상(=결과)은 재료(=피행위자)보다 의사소통적 지위가 높다. 반면 파괴 동사에서 물리적 행위의 대상은 결과보다 낮은 의사소통적 지위를 차지한다. 창조와 파괴의 의미적 상관관계는 열역학의 엔트로피를 통해서도 설명된다. 일정한 에너지를 갖는 세계에서는 원래 물체의 에너지, 물리적 행위의 에너지, 작용으로 인해 변화되는 물체의 에너

본 논문에서는 현재까지 발굴‧소개된 최정희의 친일소설 여섯 편을 대상으로 최정희의 친일담론이 어떻게 작품을 통해 형상화되었는지 분석하고, 거기 나타난 ‘여성해방’과 ‘민족/친일’ 개념간의 쟁투를 살펴보았다. 이는 기존 연구에서 최정희 친일문학의 ‘친일적’ 측면에서 집중한 나머지 텍스트 내부에서 작동하는 여성해방의 욕망을 제대로 읽어내지 못하거나 또는 ‘여성주의적’ 관점 내에서만 최정희 문학에 집중한 나머지 그의 친일문학을 소거시키거나 제대로 의미화하지 못한 경우에 대한 반동으로 구상된 것이다. 이를 위해 논문은 일제하 총동원체제가 실제로 여성을 소비한 방식과 최정희 소설에서 ‘여성-인물’이 형상화되는 방식을 비교하여 최정희 친일문학만의 특수성을 드러내려 했으며, 사실상 ‘민족’의 우위에 존재했던 ‘여성해방’의 욕망을 특별히 조명하고자 했다. 이를 통해 그간 이루어진 수많은 남성작가들에 대한 연구에서 제대로 드러내지 못했던, ‘친일문학/연구’ 속 ‘여성/작가’의 지위를 명확히 보여줄

[This retracts the article DOI: 10.1186/s13033-017-0143-5.].

In this paper, we propose CNN(Convolutional Neural Network) based pedestrian detection algorithm applying GAP(Global Average Pooling) and hippocampal structure. First, the feature map of the input image is extracted through convolution operation. In the process, GAP layer is added to obtain feature patterns and stored in the long-term memory of the hippocampus structure in order of frequency. The detection accuracy can be improved by using the pattern stored in the pedestrian detection. The perf

최근 활발히 연구 및 사용되고 있는 RISC-V ISA는 2010년부터 UC 버클리에서 개발되어 오고 있는 RISC 기반의 무료 개방형 ISA이다. RISC-V는 메모리 접근, 정수형 연산, 분기 등의 명령어를 포함하는 RV32I ISA를 기본 명령어 체계로 가지며 RV32I 이후 고려해야 할 명령어 집합은 곱셈 및 나눗셈 명령어를 포함하는 M 확장 집합이다. 또한, 보다 빠른 프로세서의 성능을 얻기 위해서는 분기 명령어의 분기 예측이 필수적으로 요구된다. 본 연구는 동적 분기 예측 기법 중 gshare 및 RAS(Return address stack) 기법이 적용된 RV32IM 프로세서를 제안한다. 또한, 제안된 프로세서의 gshare 기법에 포함되는 PHT(Pattern history table)의 최적 크기를 확인하였다. 제안된 프로세서의 최대 동작 주파수는 Artix-7 FPGA에서 50 MHz 이상을 만족한다. 제안된 프로세서의 성능은 Dhrystone과 CoreMark 벤

Maximum Likelihood (ML) detection is well known to exhibit better bit-error-rate (BER) than many other detectors for multiple-input multiple-output (MIMO) channel. However, ML detection has been shown a difficult problem due to its NP-hard problem. It means that there is no known algorithm which can find the optimal solution in polynomial-time. In this paper, Semi-Definite relaxation (SDR) is iteratively applied to ML detection problem. The probability distribution can be obtained by survival ei