鬪技 運動選手의 瞬發力 및 敏捷性이 全身反應 時間에 미치는 影響

김영명 동아대학교 1985 국내석사

合流式 下水管渠의 浸透水/流入水 發生特性 硏究

김영명 고려대학교 대학원 2002 국내석사

對人間 認知的 問題解決力과 知能, 創意性 및 認知樣式間의 相關硏究

김영명 東亞大學校 敎育大學院 1988 국내석사

The purpose of this study is to investigate the nature of human intellectual ability by finding out the relationship between interpersonal cognitive problem solving ability and intelligence, creativity and cognitive style. The contents of the study are first, to analyze the relationship intelligence, creativity and cognitive style ; second, to analyze the relationship between interpersonal cognitive problem solving ablilty and the three factors mentioned above ; third, to analyze the relationship between the mean-ends thinking and interpersonal problem anlysis which consist of subfactors of interpersonal problem solving ability and the subfactors of intelligence and creativity. In order to achieve the above objectives, data were collected from 136 students sampled from a junior high school located in Pusan, Korea. The tasks used in this study were Means-ends Test, Interpersonal Problem Analysis Test, Intelligence Test, Creativity Test and Group Embedded Figures Test. The deta were analyzed by computer using the methods of Pearson's correlation and multiple regression analysis. The following conclusions were obtained from the results and discussions of the study. First, a positive correlation was found between interpersonal cognitive problem solving ability and intelligence, creativity, and cognitive style. Problem solving ability and creativity was most highly correlated. Therefore, it can be judged that intelligence, creativity and cognitive style are cognitive factors that consist interpersonal cognitive problem solving ability, among which creativity is the most salient. Second, verbal factor of intelligence and originality and organization factors of creativity were found to most contribute to interpersonal social problem solving ability. Third, interpersonal cognitive problem solving ability was found not to be related to the space factor of intelligence. Therefore, it is assumed that social problem solving ability has no relation with the ability to visualize the spacial relationship of direction and distance. Fourth, interpersonal cognitive problem solving ability was found not to be related to the perceptual openness factor of creativity. This seems to result from the fact that perceptual openness is the least loaded with value orientation which is an important factor in social problem solving. Fifth, where as means-ends thinking and cognitive style are not significantly correlated to each other, cognitive style has a positive correlation with interpersonal problem analysis. This signifies that the more field-independent a person is the more skilled he is in the ability of interpersonal problem analysis. Sixth, interpersonal problem analysis is more highly correlated with the subfactors of both intelligence and creativity than means-ends thinking is. Therefore, it is assumed that interpersonal problem analysis and means-ends thinking are relatively independent factors dispite the fact that they constitute the subfactors of interpersonal cognitive problem solving.

어머니 및 보육교사에 대한 유아의 애착안정성에 따른 정서적 행동문제

김영명 서울대학교 대학원 1997 국내석사

《靈山》에 나타난 始原 文化 硏究

김영명 韓國外國語大學校 大學院 2012 국내석사

《灵山》中的源流探索研究 金英明 韩国外国语大学大学院中语中文学科 《灵山》从酝酿到完稿整整用了7年的时间,在《灵山》中,高行健叙述了被儒家及官方文化所掩盖的另一种长江流域的文化,包括少数民族的原始文化、巫术崇拜以及道、佛、玄学、禅宗及民间文化。1989年,高行健流亡到法国,一直到2000年获诺贝尔文学奖,这期间是高行健创作的黄金期。他先后出版了《灵山》、《冥城》、《逃亡》、《对话与反诘》、《周末四重奏》、《生死界》、《山海经传》、《八月雪》、《一个人的圣经》等。 本论文把高行健的《灵山》作为研究文本,探讨了《灵山》寻找文学、民间文化、哲学及美学源流的过程,共分为六章。具体如下: 第二章,论述了《灵山》中的中国古代小说因素以及高行健的小说理论。无论是从内容上还是形式上,《灵山》中都能找得到六朝笔记小说、唐传奇、变文和宋代话本的要素。《灵山》所采用的是散文体小说形式,散文因形式自由,可以包容多种文体。高行健从小说形式上获得解放以后,开始寻求新的小说文体。古典小说所提供的空间和弹性,为新小说的诞生提供了可能。这与高行健主张的"小说论"不谋而合。另外,在此章中专门列出一节比较了《灵山》与"寻根文学"的共同点。本研究者也同意在大的范围内把《灵山》看作"寻根文学",这也与本论文的"源流"探索主题相一致。 第三章,论述了《灵山》对文学源流的寻找过程。首先,女娲是中国神话中名副其实的创造女神,也是被很多文人作为文学作品的题材。《灵山》通过"女娲神话"展示天地开辟以前宇宙的混沌状态。形式健通过"禹神话",揭穿历史的虚伪,这对于寻找长江流域文化的源流至关重要。高行健通过考古资料说明禹是羌族的后裔,是以熊为图腾的部落始祖,与黄河文明毫不相干,反而与长江文明有关。《灵山》中引用很多民歌和巫歌,有彝族、苗族、汉族的民歌和巫歌,其实记录文学的最早形式就是口传文学。口传文学包括口传韵文和口传散文,韵文包括口传巫歌和口传民歌,散文包括口传神话、传说和民间故事。因此追溯诗歌的起源就得从民歌开始。民歌没有受到文人的修改,其形式自由,内容虽粗野,但具有生命力,也能体现人类最本质的追求及欲望。通过民歌也能了解已消失的原始形态文化。 第四章,论述了《灵山》寻找民间文化源流的过程。高行健在《灵山》中列举了羌族、彝族、苗族的巫文化。巫文化为什么这么重要?巫文化作为原始的、愚昧的思想文化,在人类的童年时期发生,是人类最早认识自然与社会的各种思想观念和技能的复合体,它以混沌的形式把宗教、哲学、天象、物候、医药、文学、艺术杂糅在一起,成为当时唯一可靠的社会控制手段。中国的巫文化上承神话,下启道教文化及佛教文化,因此对巫文化的探索和源流追溯至关重要。高行健通过少数民族中还留存的巫术、宗教信仰、风俗,寻找长江流域的文化源流,以及自己与民族的灵魂。 第五章,论述了《灵山》寻找哲学、美学源流的过程。高行健赞同老庄哲学中的"无为而治"的美学,无论是对治理岷江及长江污染,还是保护文物都有帮助。同时批判政府干预民间巫术、民歌、裸体舞等的行为。通过"虚静"能达到艺术创作的最佳状态,通过想象的旅行能达到精神的自由解放,这些都来自于老庄的美学。禅宗追求的是人未出生之前的本来面貌,这种品性人人具有,生命的美丽就在于悟此自性。高行健通过对两次与死亡擦肩而过的经验,以及文革时在铁路自杀的女学生故事和被蕲蛇咬后自己砍掉胳膊的一个农民故事,捕捉了人的本来面目是求生的,这是未被理性统一之前的一刹那,也是生命的美学。《灵山》的大美在于它体现的是"空"的美学,诚如《红楼梦》和《西游记》那样,这是对"色"的穿透与超越后得到的"有"的境界,也是经过"空"的洗礼后的"有"。《灵山》最后看到了青蛙,那青蛙象征"禅",这是很高的美学境界,没有对禅宗思想的透彻理解是很难达到的。 以往对《灵山》的研究,在挖掘其文化内涵和意义方面确实有一些不足之处。本论文把研究的目的放在从纵向的角度去揭示《灵山》与中国古典文学、中国少数民族文化、巫文化、老庄哲学和美学、禅宗哲学与美学等关系上。有关与西方文学的横向关系,将有待于以后做进一步的研究。

담화구조 유형별 담화표지어를 활용한 읽기전략이 영어독해에 미치는 영향

김영명 한국교원대학교 교육대학원 2005 국내석사

양방향성 장단기 기억 기술 순환신경망 모델 기반 음성 거짓말 탐지 알고리즘 개발

김영명 한양대학교 의생명공학전문대학원 2020 국내석사

In order to eliminate the cognitive dissonance that appears when lying, the autonomic nervous system is activated. Because of the activated nervous system, Various physiological changes occur in body, then through the Polygraph we can find a deception. However, it acquires a biological signal by a contact sensors, and has a limit point where the result may change depending on the skill level of the inspector and subjectivity. In order to overcome these limitations, various studies are being carried out to acquire biological signals and detect them in a non-contact methods. For example, approaches such as voice, RGB video, IR video, and fMRI are studied. In this study, we conducted a deception detection study with the voice which has lowest measurement complexity and ease of access. In the case of prior research on a deception detection using voice speech, the research is generally made up of open type answers to questions. This, along with its low performance, is highly unlikely to be used in actual investigations because it is highly likely to deflect certain words in truth or deception. In order to overcome this, our test protocol is derived from the SNU Scientific Investigation Department, which has been used for the actual detection of deception. In this study, 6,373 OpenSMILE feature set which is often used in the prior art of a deception detection and the other feature set proposed in this study is made up with time series of pitch, intensity, jitter and shimmer. OpenSMILE, a voice feature vector configured, can be used to classify 1D-form information, and a representative model: Suppot Vector Machine (SVM) and Deep Neural Network (DNN). For the same condition data, 63.25% of the support vector machines and 52.54% of the DNN confirmed the excellent performance of about 10.7% of the support vector machines compared to the DNN. Then, we used the Long Short Term Memory(LSTM) model and Bidirectional Long Short Term Memory(Bi-LSTM) which provide the best learning performance in the time series type feature set. We got the accuracy of 59.88% through LSTM model. Thus, it is confirmed that performance when learning the Bi-LSTM model is the most excellent by using the time-series feature set. However, the results did not show enough performance to be used in the actual investigation process. In order to overcome this limitation, we focused on the fact that only heavy criminals can obtain the truth and deception data consisting of "no" through prior interviews, and conducted individual "enrollment research". The research into the truth and deception registration of individuals was conducted using the data of four participants, which were constructed through additional experiments. Each participants conducted 10 experiments, obtained data, and compared the number of data used for pre-registration with a deception detection performance. As a result, as the number of data for registration as a whole has increased, it has confirmed that lie-finding performance is increasing in proportion, and it has achieved 78.75%. Therefore, a set of time series feature set is extracted from the true and deception data of the "no" answer proposed in this study, and this is a deception that can be used by individuals to search for deception data. 거짓말 탐지(Polygraph)는 거짓말을 할 경우 나타나는 인지부조화(Cognitive dissonance)를 해소하기 위하여 체내에서 자율 신경계가 활성화 되고, 그로인한 여러 가지 생리적 변화들을 지표로 거짓말을 탐지해내는 기술이다. 이러한 거짓말 탐지는 접촉식으로 생체 신호를 획득하고 검사관의 숙련도와 주관에 따라 결과가 바뀔 가능성이 있는 등의 한계점을 지닌다. 이러한 한계점들을 극복하기 위하여 최근 비접촉식 방법으로 생체 신호를 획득하여 거짓말 탐지하는 다양한 연구들이 진행되고 있다. 그 예로 음성, RGB 영상, IR 영상, fMRI 등의 접근 방법이 연구되고 있다. 그중 본 연구에서는 측정의 복잡성이 가장 낮고 접근성이 용이한 음성을 통한 거짓말 탐지 연구를 진행하였다. 음성 발화를 이용한 거짓말 탐지 사전 연구의 경우 대개의 연구가 정해진 질문에 대한 자유 답변으로 이루어져있다. 이는 낮은 성능과 함께 특정 단어에 참과 거짓으로 편향 될 가능성이 높기에, 실제 수사에서 사용될 수 있을 가능성이 매우 낮은 한계점을 갖는다. 이를 극복하기 위하여 본 연구에서는 서울지방결찰청 과학수사과에서 실제 거짓말 탐지 수사에 사용되는 프로토콜을 차용하여 실험 프로토콜을 제작하였고, 모든 참과 거짓 답변은 ‘아니요’로 통일하여 취득하였다. 본 연구에서는 기존의 음성 발화를 통한 거짓말 탐지 연구에서 많이 사용된 6,373종의 openSMILE 특징점 집합과 본 연구에서 제안하는 특징점 집합으로써 음성을 분석하는데 가장 기본적으로 사용되는 기본 주파수, 음의 강도, 기본주파수의 변화량, 진폭의 변화량을 시계열 형태로써 추출 및 구축한 시계열 특징점 집합, 두 가지의 형태로 뽑혀진 특징점 집합을 비교하였다. 구성된 음성 특징 벡터인 openSMILE을 이용하여 1D 형태의 정보를 분류 할 수 대표적인 모델인 서포트 벡터 머신(Suppot Vector Machine: SVM)과 심층 인공 신경망(Deep Neural Network: DNN)의 학습을 진행하였다. 동일한 조건의 데이터에 대하여 서포트 벡터 머신 63.25%, 심층 인공 신경망 52.54%으로써 서포트 벡터 머신이 심층 인공 신경망에 비해서 약 10.7%의 우수한 성능을 확인하였다. 시계열 특징점 집합을 이용하여 시계열 형태의 정보를 학습을 학습하는데 가장 우수한 성능을 보이는 장단기 기억 기술과, 양방향성 장단기 기억 기술 모델의 학습을 진행하였으며, 이때 장단기 기억 기술 모델은 59.88%, 양방향성 장단기 기억 기술은 66.58%의 성능을 확인하였다. 이로써 시계열의 특징점 집합을 이용하여 양방향성 장단기 기억 기술 모델을 학습하였을 때의 성능이 가장 우수함을 확인하였다. 그러나, 이때의 결과에서는 실제 수사 과정에 유용하게 사용되어질만한 성능을 보이지 못하였다. 이 한계점을 극복하기 위하여, 중범죄자의 경우에 한해서는 사전 인터뷰를 통하여 ‘아니요’로 이루어진 진실과 거짓 데이터를 획득 가능하다는 점에 착안 하여 개인별 ‘진실과 거짓 등록(enrollment) 연구’를 진행하였다. 진행된 개인의 참과 거짓 등록 연구는 추가 실험을 통하여 구축한 피험자 4명의 데이터를 이용하여 진행하였다. 각 한명의 피험자 당 총 10번의 실험을 진행하여 데이터를 획득하였다. 사전 등록에 사용된 데이터의 개수와 거짓말 탐지 성능을 비교하였다. 그 결과 전체적으로 등록용 데이터의 개수가 증가함에 따라서 거짓말 탐지의 성능도 비례하여 증가하는 경향을 확인 할 수 있었으며 78.75%의 성능을 획득 하였다. 따라서 본 연구에서 제안된 ‘아니요’ 발화로 이루어진 참과 거짓말 데이터에서 시계열 특징점 집합을 추출하고, 이를 양방향성 장단기 기억 기술 모델을 학습한 후, 개인별 참 거짓 데이터 등록을 진행 하였을 때, 기존의 음성 발화를 이용한 거짓말 탐지 연구들에 비하여 실제 거짓말 탐지 수사에 더 높은 성능으로 사용될 수 있을 것이다.

SWMM모형에 의한 도시상업지역의 유출특성분석

김영명 동신대학교 일반대학원 2008 국내석사

급속한 경제성장에 따른 도시화 현상으로 경작지나 녹지와 같은 투수 지표면이 대단위 주택단지나 도로, 상업지구 등의 도시시설 및 산업화에 따른 공장시설과 같은 불투수 지표면의 증가로 도시의 불투수 지표면의 구성비가 증가되므로 이에 침투량과 증발산량이 감소하며 지하수 유출량을 감소시킨다. 또한 도시유역의 조도계수의 감소로 도달시간이 단축되어 첨두홍수량이 증가하게 되는 등 도시유출특성이 변화되어 홍수피해가 빈번하게 발생하고 있다. 본 연구에서는 도시유출해석 모형인 SWMM을 선정하여 광주광역시 서구에 위치한 도시․상업지역을 대상으로 동일한 강우사상에 대해 불투수면적비의 차이를 두고 유출특성을 비교․분석 하였다. SWMM 모형의 입력자료의 정확성을 향상하기 위하여 기상자료는 현장에서 우량계를 이용하여 측정한 강우량자료를 사용하였으며, 비만관 전자식 유량계를 이용하여 최종 출구지점에 설치하여 현장에서 측정하였다. 배수관망, 유입구 제원, 맨홀 등 관로시스템 자료는 배수관망도 CAD파일을 이용하여 SWMM내의 개념도를 구축 하였다. 모의 결과 불투수층비율이 감소함에 따라 첨두유량은 감소하고 유출률 또한 감소하는 것으로 알 수 있다. 그러나 불투수면적비가 감소함에도 기저시간은 짧아지고 있다. 이는 대상지점의 특성상 관을 통해 유출이 일어나므로 투수층에서 저류되거나 침투된 강우가 증발산을 통해 대기중 수증기의 형태로 변하거나, 자하수의 형태로 변하기 때문에 관의 유출에 기여하지 못하기 때문에 나타나는 현상으로 판단된다. 또한 첨두발생 시간이 큰 차이를 보이지 않고 근소한 차이를 두고 발생하였다. 이는 유역면적이 작아서 나타나는 현상으로 판단된다.

앙상블 머신러닝 기법의 하이퍼파라미터 최적화와 특징선택을 통한 개인적 요인을 이용한 위치 방문 선호도 예측가능성

김영명 홍익대학교 대학원 2020 국내석사

In this paper, human location information is regressed by machine learning to predict the visiting ratio for a specific location category. The location data collected by the participants using the smartphone. Personal factors obtained through the questionnaire. We analyzed location data and personal factors by three ensemble techniques of machine learning: random forest, XGBoost, and stacking. A total of 34 participants collected their location data for 3 to 6 months. Before the learning of the machine learning model, the feature selection process was performed, and then the features influencing the results were extracted and tested. In addition, Grid search, Random search, and Bayesian optimization are used to optimize the hyperparameters ​​that affect the performance of the ensemble model. As a result, it was confirmed that the performance of the model can be improved through optimization of hyperparameters. Also, meaningful prediction accuracy values ​​were obtained, except for the two location categories, in which data were insufficient due to the fact that the experiment participants rarely visited. These results were revealed through three machine learning techniques to increase the reliability of the results. 본 논문에서는 인간의 위치 정보를 머신러닝으로 회귀 분석하여 특정 장소 카테고리에 대한 방문 비율을 예측한다. 실험 참가자들이 스마트폰을 이용하여 수집한 위치 데이터와 설문을 통해 얻은 개인적 요인들을 머신러닝의 세 가지 앙상블 기법인 랜덤 포레스트, XGBoost, Stacking 으로 분석하였다. 총 34명의 실험 참가자들이 3~6개월 간 수집한 위치 데이터를 사용하였다. 머신러닝 모델의 학습에 앞서 특징 선택 과정을 수행하여 수집한 모든 개인적 요인이 아닌 결과에 영향을 미치는 요인들을 따로 뽑아 낸 뒤 실험하였다. 또한 모델의 성능에 영향을 미치는 하이퍼파라미터 값을 최적화하기 위해 Grid 탐색, Random 탐색, 베이지안 최적화 방법을 이용하였다. 그 결과 하이퍼파라미터 최적화를 통해 모델의 성능을 향상시킬 수 있음을 확인하였다. 또한, 실험 참가자들이 방문을 거의 하지 않아 데이터가 부족했던 두 가지 장소 카테고리 외에는 의미 있는 예측 정확도 값을 얻었다. 이러한 결과는 세 가지 머신러닝 기법을 통해 밝힘으로써 결과의 신뢰도를 높였다.

FTA에 기초한 위험성 평가 알고리듬의 개발

김영명 한양대학교 산업경영대학원 1996 국내석사