• 한국콘텐츠학회:학술대회논문집
• /
• 한국콘텐츠학회 2014년도 추계 종합학술대회 논문집
• /
• pp.309-310
• /
• 2014

지난 수십 년간 괄목할만한 경제성과 정치 사회적인 변화를 경험하였으며 최근에는 국재화의 흐름 속에서 또 다른 변화의 시대를 맞이하고 있다. 이에 따라 상품의 포장디자인은 <무언의 세일즈맨>이라고 말할 수 있고 브랜드 시각이미지 디자인의 중요한 부분 중 하나다. 분 논문은 흰 우유 포장디자인에 있어서 한국과 중국의 대표적 판매량 TOP 4위인 흰 우유업체의 흰 우유 포장디자인의 차이점을 분석하고 한다. 디자인의 표현 요소와 포장 이미지를 분석하고 포장디자인에 대한 인식을 사례를 비교 분석하여 포장디자인에 있어서 시각 조형적 요소의 측면에서 개선방향을 제시함을 목적으로 한다.

• 한국환경농학회지
• /
• 제11권1호
• /
• pp.20-25
• /
• 1992

현재 우리나라에서 수집가능한 데이타를 이용하여 간단한 수질예측 모델의 작성을 목적으로서, 우리나라의 주요한 12개 댐호(湖)를 대상으로 유역정보와 호수 수질과의 관계를 조사하였다. 얻어진 결과는 다음과 같다. 1. 호수의 환경정보가 매우 적기 때문에 데이타의 취사선택에 관해서 충분한 검토를 행하기 어려운 점이 있어서 앞으로 이들 데이타의 확보나 정보의 정비가 필요하다고 판단된다. 2. 댐호(湖)의 영양염 농도의 예측에는 침강속도를 0.4m/년으로서 Dillon과 Kirchner식을 이용하는 것이 좋았다. 3. 엽록소 a의 농도는 엽록소 $a=395\;{\time}\;Nu-1.090$의 식으로 예측할 수 있었다. 4. 앞으로 예측의 정도를 향상시키기 위해서는 발생원단위 및 배출원단위의 검토와 보다 많은 호수나 댐에서의 실측 데이타 및 유역 환경 데이타의 축적 및 정비가 필요하다고 판단된다.

• 한국시조학회지:시조학논총
• /
• 제30집
• /
• pp.319-332
• /
• 2009

황진이의 시조 작품에 대한 연구는 그녀가 남긴 작품 수에 비해서는 비교적 심도 있게 논의가 되었다고 할 수 있다. 필자는 이러한 그간의 성과의 연장선에서 본 논문을 통하여 황진이 시조 작품에 드러난 이별의 형상화와 이별상황에서의 대응양상에 대하여 고찰을 시도하였다. 여섯 수의 황진이 시조는 모두 직 간접적으로 이별의 상황과 연관을 맺고 여는 작품들이다. 따라서 황진이의 시조 작품에 대한 분석을 통하여 작품 속에 투영된 황진이의 이별상황에서의 대응양상의 차이를 확인해 볼 수 있다는 생각에서 논문의 논의를 시작하게 되었다. 먼저 황진이 시조의 이별의 형상화에 대해서는, 그녀가 남긴 시조가 결코 많다고는 할 수 없지만 각 작품마다 절묘한 상징과 은유, 그리고 다양한 시적 장치를 통하여 이별의 상황에 느끼게 되는 인간의 보편적 정서를 작가적 개성으로 녹여내어 효과적으로 형상화하고 있음을 확인할 수 있었다. 그리고 황진이 시조에 드러난 이별상황 대응양상는 크게 세 가지 측면으로 나누어 고찰하였다. 우선, 이별의 상황을 자연의 섭리에 의탁하여 이벌의 순간을 인위적으로 거부하거나 거스러지 않고 자연에 순응하여 받아들이는 자연순응적 대응양상이라 할 수 있다. 이에 해당하는 작품으로는 <니 언지 무언(無言)하여$\sim$>, <어뎌 니 일이여$\sim$>, <산(山)은 넷 산(山)이로디$\sim$>, <청산(靑山)은 내 뜻이요<$\sim$>의 네 작품이 있었다. 다음으로는, 자연의 섭리를 거슬러 시 공간을 자신의 뜻대로 재단하는 자연에 대한 도전적 양상이라 할 수 있는 것으로 <동지인(冬至人)달 기나긴 밤을$\sim$>이 이에 해당한다. 끝으로 앞서 언급한 순응적 대응양상과 도전적 대응양상이 혼재(혼합)되어 있는 혼합적 대응양상이다. <청산리(靑山裡) 벽계수(碧溪水)ㅣ야$\sim$>가 이에 해당하는 것으로 보았다. 이렇듯 이별상황에 대한 대응양상이 서로 다르게 드러나는 것은 기녀라는 그녀의 신분이 갖는 특수성이 작용했다고 볼 수 있으며 또한 여기에 호방하면서도 다감한 그녀의 성정도 많은 부분 영향을 끼쳤을 것으로 보인다. 지금까지의 논의가 나름의 성과를 거두기 위해서 보완할 점들은 후속 연구를 기약하고자 한다.

• 전자공학회논문지
• /
• 제50권6호
• /
• pp.212-220
• /
• 2013

최근 사용자의 생체 신호 정보를 기반으로 사용자 인지향상을 위하여, 상황에 적합한 서비스를 제공하기 위한 인간-컴퓨터/기계 상호작용 (Human computer/machine interaction: HCI/HMI) 시스템이 급격하게 증가하고 있는 추세이다. 이와 같이 인간-컴퓨터/기계 상호작용 기반의 효과적인 사용자 인지향상 시스템을 개발하기 위해서는 사용자의 명시적 의도 파악과 더불어 사용자의 묵시적 의도 파악이 중요하다. 사람의 시각 운동 이론에 따르면, 사람의 안구운동 정보와 동공 반응은 사람의 의도와 행동에 대하여 많은 량의 정보를 제공한다. 이에 본 논문에서는 사용자의 묵시적 의도를 판별하기 위하여, 피험자에게 제공되는 자극영상의 관심(흥미) 영역 (area of interest: AOI) 내에서의 안구운동 패턴인 응시 시간/횟수, 동공 응답 패턴의 동공크기와 동공의 크기변화인 기울기 정보를 분석하는 새로운 접근 방법을 제안한다. 제안하는 모델은 항행적 의도 발생, 정보적 의도발생, 정보적 의도 소멸과 같은 세 가지 유형으로 인간의 묵시적 의도를 식별한다. 여기서 항행적 의도란 주어진 자극영상 내에서 무언가 흥미로운 것을 찾는 행위를 말하며, 이에 반해 정보적 의도는 특정 위치에서 특정 객체는 찾는 행위를 의미한다. 본 연구에서는 사용자 안구운동 패턴과 동공분석 정보 기반으로 서로 다른 묵시적 의도인 항행적 의도, 정보적 의도 발생, 그리고 정보적 의도 소멸 사이에서 그 천이를 감지할 수 있는 계층적 SVM (hierarchical support vector machine: H-SVM)을 이용하였다.

• 지능정보연구
• /
• 제26권4호
• /
• pp.127-148
• /
• 2020

데이터 센터는 컴퓨터 시스템과 관련 구성요소를 수용하기 위한 물리적 환경시설로, 빅데이터, 인공지능 스마트 공장, 웨어러블, 스마트 홈 등 차세대 핵심 산업의 필수 기반기술이다. 특히, 클라우드 컴퓨팅의 성장으로 데이터 센터 인프라의 비례적 확장은 불가피하다. 이러한 데이터 센터 설비의 상태를 모니터링하는 것은 시스템을 유지, 관리하고 장애를 예방하기 위한 방법이다. 설비를 구성하는 일부 요소에 장애가 발생하는 경우 해당 장비뿐 아니라 연결된 다른 장비에도 영향을 미칠 수 있으며, 막대한 손해를 초래할 수 있다. 특히, IT 시설은 상호의존성에 의해 불규칙하고 원인을 알기 어렵다. 데이터 센터 내 장애를 예측하는 선행연구에서는, 장치들이 혼재된 상황임을 가정하지 않고 단일 서버를 단일 상태로 보고 장애를 예측했다. 이에 본 연구에서는, 서버 내부에서 발생하는 장애(Outage A)와 서버 외부에서 발생하는 장애(Outage B)로 데이터 센터 장애를 구분하고, 서버 내에서 발생하는 복합적인 장애 분석에 중점을 두었다. 서버 외부 장애는 전력, 냉각, 사용자 실수 등인데, 이와 같은 장애는 데이터 센터 설비 구축 초기 단계에서 예방이 가능했기 때문에 다양한 솔루션이 개발되고 있는 상황이다. 반면 서버 내 발생하는 장애는 원인 규명이 어려워 아직까지 적절한 예방이 이뤄지지 못하고 있다. 특히 서버 장애가 단일적으로 발생하지 않고, 다른 서버 장애의 원인이 되기도 하고, 다른 서버부터 장애의 원인이 되는 무언가를 받기도 하는 이유다. 즉, 기존 연구들은 서버들 간 영향을 주지 않는 단일 서버인 상태로 가정하고 장애를 분석했다면, 본 연구에서는 서버들 간 영향을 준다고 가정하고 장애 발생 상태를 분석했다. 데이터 센터 내 복합 장애 상황을 정의하기 위해, 데이터 센터 내 존재하는 각 장비별로 장애가 발생한 장애 이력 데이터를 활용했다. 본 연구에서 고려되는 장애는 Network Node Down, Server Down, Windows Activation Services Down, Database Management System Service Down으로 크게 4가지이다. 각 장비별로 발생되는 장애들을 시간 순으로 정렬하고, 특정 장비에서 장애가 발생하였을 때, 발생 시점으로부터 5분 내 특정 장비에서 장애가 발생하였다면 이를 동시에 장애가 발생하였다고 정의하였다. 이렇게 동시에 장애가 발생한 장비들에 대해서 Sequence를 구성한 후, 구성한 Sequence 내에서 동시에 자주 발생하는 장비 5개를 선정하였고, 선정된 장비들이 동시에 장애가 발생된 경우를 시각화를 통해 확인하였다. 장애 분석을 위해 수집된 서버 리소스 정보는 시계열 단위이며 흐름성을 가진다는 점에서 이전 상태를 통해 다음 상태를 예측할 수 있는 딥러닝 알고리즘인 LSTM(Long Short-term Memory)을 사용했다. 또한 단일 서버와 달리 복합장애는 서버별로 장애 발생에 끼치는 수준이 다르다는 점을 감안하여 Hierarchical Attention Network 딥러닝 모델 구조를 활용했다. 본 알고리즘은 장애에 끼치는 영향이 클 수록 해당 서버에 가중치를 주어 예측 정확도를 높이는 방법이다. 연구는 장애유형을 정의하고 분석 대상을 선정하는 것으로 시작하여, 첫 번째 실험에서는 동일한 수집 데이터에 대해 단일 서버 상태와 복합 서버 상태로 가정하고 비교분석하였다. 두 번째 실험은 서버의 임계치를 각각 최적화 하여 복합 서버 상태일 때의 예측 정확도를 향상시켰다. 단일 서버와 다중 서버로 각각 가정한 첫 번째 실험에서 단일 서버로 가정한 경우 실제 장애가 발생했음에도 불구하고 5개 서버 중 3개의 서버에서는 장애가 발생하지 않은것으로 예측했다. 그러나 다중 서버로 가정했을때에는 5개 서버 모두 장애가 발생한 것으로 예측했다. 실험 결과 서버 간 영향이 있을 것이라고 추측한 가설이 입증된 것이다. 연구결과 단일 서버로 가정했을 때 보다 다중 서버로 가정했을 때 예측 성능이 우수함을 확인했다. 특히 서버별 영향이 다를것으로 가정하고 Hierarchical Attention Network 알고리즘을 적용한 것이 분석 효과를 향상시키는 역할을 했다. 또한 각 서버마다 다른 임계치를 적용함으로써 예측 정확도를 향상시킬 수 있었다. 본 연구는 원인 규명이 어려운 장애를 과거 데이터를 통해 예측 가능하게 함을 보였고, 데이터 센터의 서버 내에서 발생하는 장애를 예측할 수 있는 모델을 제시했다. 본 연구결과를 활용하여 장애 발생을 사전에 방지할 수 있을 것으로 기대된다.