http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
강필성,박구원 동북아관광학회 2010 동북아관광연구 Vol.6 No.2
본 연구는 올바른 온천문화 및 온천관광지의 구축을 위한 기초연구로서, 온양온천을 대상으로 그의 발전과정과 사회적 공간적 변용 특성을 분석한 것이다. 분석결과 다음과 같은 결과를 얻었다. 1. 온양온천의 발전역사를 보면 크게 온천 발생기, 보양치료기, 온천개발기, 온천관광발전기, 온천개발의 과열 및 침체기, 온천의 재도약기의 6획기로 구분된다. 전체적인 발전특성으로는 온천정을 중심으로 한 공간적 집약체로 발전하다가, 관광객 위주의 정책이 추진되고 이러한 구조가 해체되면서, 다양한 문제가 발생하는 것으로 나타난다. 2. 온양온천의 기반적 여건 및 사회적 이슈의 변화를 보면, 기반적 여건에서 나타나는 자원의 특이성, 교통 및 서비스 기반, 관리형태 등이 온천관광지의 성패를 좌우하는 중요한 요인인 것으로 나타난다. 3. 또한 온양온천의 공간적 변용에서 보면, 온천관광지의 발달에 있어서는 온천지를 중심으로 한 공간적 집약화와 함께, 주변자원 및 교통망과의 연계도 공간구성 측면에서는 중요한 것으로 파악된다. 4. 온천법이 전면 개정되면서 온천지구의 역할에 있어서는 한국온천 문화(정서), 차별화(특성화)된 온천 및 국민들이 즐겨 찾는 관광자원으로 활용을 기대하고 있다. 5. 따라서 이러한 기반적 여건과 공간적 변용 특성 등을 토대로, 새로운 온천문화 및 온천관광지를 구축해 나가는 것이 바람직 할 것으로 판단된다.
자유로운 문자열의 키스트로크 다이나믹스를 활용한 사용자 인증 연구
강필성,조성준 대한산업공학회 2012 산업공학 Vol.25 No.3
Keystroke dynamics refers to a way of typing a string of characters. Since one has his/her own typing behavior, one’s keystroke dynamics can be used as a distinctive biometric feature for user authentication. In this paper, two authentication algorithms based on keystroke dynamics of long and free texts are proposed. The first is the K-S score, which is based on the Kolmogorov-Smirnov test, and the second is the ‘R-A’ measure, which combines ‘R’ and ‘A’ measures proposed by Gunetti and Picardi (2005). In order to verify the authentication performance of the proposed algorithms, we collected more than 3,000 key latencies from 34 subjects in Korean and 35 subjects in English. Compared with three benchmark algorithms, we found that the K-S score was outstanding when the reference and test key latencies were not sufficient, while the ‘R-A’ measure was the best when enough reference and test key latencies were provided.
강필성,김준홍,김형석,김동화 한국품질경영학회 2020 한국품질경영학회 학술대회 Vol.2020 No.-
웨이퍼 맵(Wafer Bin Map, 이하 WBM)은 반도체 FAB 공정 수행 후 수행되는 다양한 전기적 테스트에 대한 결과를 시각화하여 보여주는 이미지로서 불량 웨이퍼 판별, 품질 이슈 관련 혐의 공정 파악 등의 다양한 품질 관리 활동에 사용되고 있다. 지금까지 WBM을 이용한 공정 관리는 숙련된 공정 엔지니어의 사전 지식에 크게 의존해서 수행되어 왔으며, 따라서 사전 지식이 다른 엔지니어들 사이에서는 같은 WBM이라도 해석과 개선의 방향이 다르게 설정되는 경우도 발생하였다. 본 연구에서는 딥러닝 기반의 합성곱 신경망 및 합성곱 신경망 오토인코더를 활용하여 과거 누적된 데이터 기반으로 개별 WBM에 대한 불량 탐지를 수행하고 불량 원인이 되는 영역을 규명해줄 수 있는 방법론을 제안하고 그 효과를 검증한다. 또한, 연속적으로 수행되는 반도체 공정에서 실시간으로 WBM을 모니터링하고 대부분의 WBM과는 다른 패턴을 보이는 이상치 WBM을 식별할 수 있는 방법론과 시각화 모듈을 구축하여 공정 관점에서의 특이사항을 신속하게 판별할 수 있는 시스템을 구축하였다.