Earticle

최근 방사능 노출에 대한 염려에 대한 이슈가 높아지고 있다. 토양, 물, 공기, 작물등에 영향을 주며 장기적으로 환경오염 및 식량오염이 발생하며 나아가 사회적인 혼란 및 경제적 타격을 초래할 것으로 여겨진다. 방사능 노출로 질병을 일으키기도 하지만, 질병진단을 위한 방법으로, X선촬영, CT, PET-CT등 핵의학 검사를 실시하고, 암치료 목 적으로 방사선 동위원소에 노출시키기도 한다. 후쿠시마 방사능 폐기물 방류소식으로 물, 특히 식수에 포함되는 방사선에 대한 헝가리의 사례 연구 및 남극 대륙의 Larsemann Hills 지역 검사에서 세계 보건 기구에서 권장하는 음용수의 규정된 방사능 한계 내에 있었다. DNA손상, 세포 및 장기손상, 암에 관련된 내용을 중심으로 방사선 보호제를 살펴보 고, 또한 복구물질중 ACE억제제, 항산화제, 천연물질등에 관하여 여러 문헌을 조사하였다. 일상에서 방사능에 노출되 지만 안전할 수 있는 이유는 아마도 방사선보호물질, 방사능 피폭에 대한 복구 물질이 있을 것으로 여겨, 가능한 물질 들을 찾아보고자 한다.

Recently, it is increasing that a issue of concern about radiation exposure. It affects soil, water, air, crops, etc., and in the long term, environmental pollution and food pollution occur, and it is considered to cause social problems and economic damage. Radiation exposure causes diseases and health problems, but as a method for diagnosing diseases, nuclear medicine tests such as X-ray imaging, CT, and PET-CT are conducted, and radiation isotopes are exposed for the purpose of cancer treatment. A Hungarian case study on radiation in water, particularly drinking water, following the release of radioactive waste from Fukushima, and an examination of the Larsemann Hills area in Antarctica, found that it was within the prescribed radioactivity limits of drinking water recommended by the World Health Organization. We looked at radioprotective agents, focusing on DNA damage, cell and organ damage, and cancer, and also investigated various literatures on ACE inhibitors, antioxidants, and natural substances among restoration materials. Although exposed to radiation in everyday life, the reason why it can be safe is probably because there is a radiation protection material and a recovery material for radiation exposure, so we are trying to find possible materials.

대다수의 IoT 기기들은 이미 AIoT를 사용하고 있지만, AI 애플리케이션을 구축하기 위해서는 아직 해결해 야 할 문제가 많이 남아 있다. 본 연구에서는 IoT 에지 자원을 보다 효과적으로 분산하기 위해 머신러닝 기반의 IoT 에지 자원 관리 기법을 제안한다, 제안 기법은 머신러닝을 이용하여 IoT 에지 자원 동향을 파악함으로써 IoT 자원의 할당을 지속적으로 개선하며, 최적화된 IoT 자원은 머신러닝 컨볼루션을 활용하여 항상 변화하는 IoT 에지 자원을 안정적으로 유지한다, 제안 기법은 각각의 머신러닝 기반 IoT 에지 자원을 이전 패턴의 자원과 함께 해시 값으로 저장함으로써 분산된 AIoT 맥락에서 공격 패턴으로 자원을 효과적으로 검증한다. 실험 결과에서는 IoT Edge 리소스의 무결성을 검증하기 위해서 이질적인 계산 하드웨어가 있는 복잡한 환경에서 잘 동작하는지 세 가지 다른 테스트 시나리오에서 에너지 효율성을 평가하였다.

The majority of IoT devices already employ AIoT, however there are still numerous issues that need to be resolved before AI applications can be deployed. In order to more effectively distribute IoT edge resources, this paper propose a machine learning-based approach to managing IoT edge resources. The suggested method constantly improves the allocation of IoT resources by identifying IoT edge resource trends using machine learning. IoT resources that have been optimized make use of machine learning convolution to reliably sustain IoT edge resources that are always changing. By storing each machine learning-based IoT edge resource as a hash value alongside the resource of the previous pattern, the suggested approach effectively verifies the resource as an attack pattern in a distributed AIoT context. Experimental results evaluate energy efficiency in three different test scenarios to verify the integrity of IoT Edge resources to see if they work well in complex environments with heterogeneous computational hardware.

본 연구에서는 스트레칭 전후 머리척추각 변화와 스트레칭 후 휴식 시간 경과에 따른 근긴장도 변화를 알고자 하였다. 건강한 20-30대 남녀 학생 57명을 대상으로 하였고, 머리척추각은 스트레칭 전과 후를 비교하였 다. 스트레칭은 정적 수동 스트레칭을 적용하였고, 30초 실시 후 휴식 시간 10초로 총 3회 반복하였으며, 근긴장도 측정 장비를 사용하여 스트레칭 전, 직후, 2분 후, 5분 후를 측정하였다. 스트레칭 전후의 머리척추각은 결과적으로 유의한 차이가 없었으며, 스트레칭 후 휴식 시간에 따른 근긴장도 변화는 스트레칭 전보다 5분 후가 더 유의한 차이를 보였다. 스트레칭을 실시한 직후에 바로 신체활동을 하는 것보다는 적어도 5분 이상의 휴식을 취하여 근긴 장도를 낮춘 후 활동하는 것이 보다 효과적이다.

In this study, we wanted to know the change in the craniovertebral angle before and after stretching and muscle tone according to rest time immediately after stretching. 57 students in their 20s and 30s were targeted, and the craniovertebral angle was compared before and after stretching. Static manual stretching was applied for stretching, and after 30 seconds, it was repeated three times with a break time of 10 seconds, and before stretching, immediately after, two minutes after, and five minutes after stretching were measured using muscle tone measuring equipment. As a result, there was no significant difference in craniovertebral angle before and after stretching, and the change in muscle tone according to the rest time after stretching was more significant after 5 minutes than before stretching. It is more effective to take five minutes to rest after stretching, reduce muscle tone than working immediately after stretching.

본 연구에서는 변동성 전략과 Fear and Greed 지수를 통하여 미국 주식의 매매를 자동으로 하는 연구를 진행하였다. 주식 시장의 변동성은 주가 변동을 유발할 수 있는 일반적인 현상이다. 투자자는 예상되는 변동성 수준에 따라 주식을 사고 파는 변동성 전략을 구현함으로써 이러한 변동성을 이용할 수 있다. 이 논문의 목적은 주식 시장에서 수익을 창출하는 변동성 전략의 효과를 탐구한다. 본 연구는 주식시장의 2차 데이터를 활용한 정량적 연구 방법론을 채택하여, 데이터에는 2016년부터 2020년까지 5년 동안 뉴욕증권거래소(NYSE)에 상장된 S&P 500 인텍스 주식에 대한 일일 주가 및 일일 변동성 측정치가 포함 하였다. 전략은 변동성이 낮은 기간에서 주식을 사고 높은 변동성 기간에서 주식을 매도하는 것을 포함하였다. 결과는 변동성 전략이 샘플 기간 동안의 벤치마크 수익률 7.5%에 비해 연평균 9.2%의 긍정적인 수익률을 창출하였다. 따라서 전략이 샘플 기간의 5년 중 4년에서 벤치마크 수익률을 능가한다는 것을 나타났다. 이 전략은 2020년 COVID-19 대유행과 같이 시장 변동 성이 높은 기간 동안 특히 잘 수행되어 벤치마크 수익률 5.5%에 비해 14.6%의 수익률을 기록하였다.

In this study, we conducted research on the automated trading of U.S. stocks through a volatility strategy using the Fear and Greed index. Volatility in the stock market is a common phenomenon that can lead to fluctuations in stock prices. Investors can capitalize on this volatility by implementing a strategy based on it, involving the buying and selling of stocks based on their expected level of volatility. The goal of this thesis is to investigate the effectiveness of the volatility strategy in generating profits in the stock market.This study employs a quantitative research methodology using secondary data from the stock market. The dataset comprises daily stock prices and daily volatility measures for the S&P 500 index stocks. Over a five-year period spanning from 2016 to 2020, the stocks were listed on the New York Stock Exchange (NYSE). The strategy involves purchasing stocks from the low volatility group and selling stocks from the high volatility group. The results indicate that the volatility strategy yields positive returns, with an average annual return of 9.2%, compared to the benchmark return of 7.5% for the sample period. Furthermore, the findings demonstrate that the strategy outperforms the benchmark return in four out of the five years within the sample period. Particularly noteworthy is the strategy's performance during periods of high market volatility, such as the COVID-19 pandemic in 2020, where it generated a return of 14.6%, as opposed to the benchmark return of 5.5%.

본 연구의 목적은 헤어컬러디자인 기법 중 그라데이션 기법 분석을 통해 디자이너의 헤어컬러디자인 제작물 을 일관되게 제작할 수 있는 헤어 컬러 작업 계획의 기초자료로 제시하고자한다. 연구 방법은 2022년부터 2023년 9월 15일까지 대중 매체에 나타난 여성의 사진 10개를 선정하여, Adobe Photoshop CS6의 Eyedropper Tool로 컬러 칩과 RGB 값을 추출하여 컬러 칩의 RGB 값을 Munsell Conversion(version 12.1.13a)의 HV/C 값으로 데이터화하였다. 추출된 데이터를 바탕으로 배색 스케일에 데이터를 표기하여 여자 대중 스타들의 그라데이션 헤어 컬러를 분석하였다. 그 결과 I.R.I 배색 이미지 스케일에서 여성 대중 스타의 배색 스케일은 부드러움보다 딱딱함의 이미지가 두드러지게 나타났다. 또한 동적임 보다는 정적임에 집중되어 있음을 확인할 수 있었다. 헤어 컬러에 따른 배색 이미지로는 고상한, 점잖은, 우아한, 은은한 과 같은 형용사로 추출되었다. 이를 적용한 주제로 3점의 헤어스타일을 제작하였다.

The purpose of this study is to present basic data for hair color work plans that can consistently produce hair color design products for designers through analysis of gradient techniques among hair color design techniques. The research method was to select 10 photos of women that appeared in mass media from 2022 to September 15, 2023, extract color chips and RGB values using the Eyedropper Tool in Adobe Photoshop CS6, and convert the RGB values of the color chips into Munsell Conversion ( The data was converted into HV/C values of version 12.1.13a). Based on the extracted data, the gradient hair colors of female pop stars were analyzed by displaying the data on a color scale. As a result, in the I.R.I color scheme image scale, the image of female pop stars was more hard than soft. In addition, it was confirmed that the focus was on static rather than dynamic. Color matching images according to hair color were extracted with adjectives such as noble, decent, elegant, and subtle. Three hairstyles were created using this theme.