• 헤리티지:역사와 과학
• /
• 제53권4호
• /
• pp.60-77
• /
• 2020

문화재 인식의 출발점이 되는 문화재 '선택'에는 당시 지배 권력의 문화적 이데올로기가 반영된다는 가정을 세웠고, 이를 20세기 한국의 사례를 통해 증명하였다. 먼저 대한제국 후기(1901~1910)에는 조선시대부터 가져오던 과거 유적들에 대한 관점을 거의 유지하고 있었다. 국가가 중요하게 보호하려 한 대상은 왕릉과 왕실기록물들이었다. 이 시기에 한국 유적들에 대한 일본인들의 조사가 본격적으로 시작되었고, 이에 자극받은 계몽주의 지식인들에 의한 주체적 문화재 인식 시도가 있었으나 제도화되지 못하였다. 일제강점기(1910~1945)에는 일본인들 주도로 문화재 조사와 제도화가 진행되었고, 이는 현재 한국 문화재 관리체계의 출발점이 되었다. 당시 조선총독부가 주도한 고적 조사, 지정, 보호, 선양 활동은 일본 제국주의 지배를 합리화함과 동시에 식민주의 사관을 반영하는 것들이었다. 국내 민족주의자들이 계몽적 차원에서 고적애호 운동을 벌였으나, 이는 일본인들이 기획한 고적조사 성과에 기초하였다는 한계가 있었다. 해방 후(1945~2000)에는 민족주의 이데올로기에 기반하여 문화재 복구와 복원 활동들이 있었고, 여기에도 정권의 정통성을 공고히 하려는 의도가 내포되었다. 그리고 1997년의 '문화유산 헌장' 제정은 문화재가 민족주의 이데올로기의 수단이 되는 것을 넘어 그 자체로 이데올로기가 되는 일이었다. 지난 20세기 동안 한국에서는 정치권력의 선택에 따라 문화재의 내용이 변하였다. 이 선택에는 당시 권력이 문화재에 대해 가지는 문화적인 이데올로기가 반영되었다. 이런 문화재 선택의 배경에는 개념어와 사회의 상호 보완적 관계, 즉 집합기억의 이데올로기적 특성이 작용하고 있었다. 지배집단은 그들의 이데올로기를 피지배집단에 각인시키려 하는데, 그 수단으로 정권의 정통성을 인식시킬 수 있는 전통문화에 관련된 집합기억, 즉 문화재 선정과 활용에 관여함으로써 이를 실현하려고 했다고 볼 수 있다.

• 정보처리학회논문지D
• /
• 제19D권1호
• /
• pp.1-14
• /
• 2012

데이터 웨어하우스는 크기가 방대하기 때문에 인덱스의 선택은 질의어 처리의 효율성에 상대한 영향을 준다. 인덱스는 질의 처리 비용을 줄이지만, 그것이 차지하는 기억 영역과 데이터베이스의 변경에 따른 보수라는 비용이 수반된다. 데이터 웨어하우스에서 하나의 사실 테이블과 여러 개의 차원 테이블 사이의 조인을 행하는 스타 조인 질의어와 차원 테이블의 선택을 최적화하기 위해서 비트맵 조인 인덱스가 잘 적용된다. 비트맵 조인 인덱스는 이진수로 표현되기 때문에 저장 비용은 적게 들지만 인덱스 할 후보 속성들이 많이 생성되기 때문에 그 중에서 인덱스 할 속성들을 선택하는 일은 어려운 과제가 된다. 인덱스 선택은 일단 후보 속성들의 개수를 축소하고, 그 중에서 인덱스를 선택하게 된다. 본 논문에서는 데이터 마이닝 방법을 사용해서 비트 맵 조인 인덱스 선택 문제에서 후보 속성들의 개수를 축소하는 것을 해결한다. 질의어에 있는 속성들의 빈도에 기준해서 후보 속성들의 개수를 감소시키는 기존의 방법에 비해서 본 논문은 속성들의 빈도를 사용함과 동시에 차원 테이블의 크기, 차원 테이블의 튜플 크기, 디스크의 페이지 크기 등을 고려한다. 그리고 데이터마이닝 기법으로 빈발 항목집합을 마이닝하여 후보 속성들의 개수를 효과적으로 줄인다. 후보 속성집합들의 비트 맵 조인 인덱스에 비용함수를 적용해서 최소의 비용과 기억 영역 제한에 적합한 속성집합들의 비트 맵 조인 인덱스를 구한다. 본 논문의 방법의 효율성을 평가하기 위해서 기존의 방법들과 비교 분석을 한다.

• 기록학연구
• /
• 제67호
• /
• pp.237-266
• /
• 2021

기록학 연구에서 개인 아카이브는 상대적으로 연구가 되지 않은 분야이다. 특히 평범한 개인이 스스로를 위한 아카이브를 구성하는 방안을 찾아 보기 어렵다. 본 연구는 개인이 자신을 위한 아카이브를 구성하는 방안을 제시하고 이를 활용하는 방안으로 생애서사 구성을 제안하였다. 생애기억 아카이브의 구조와 메타데이터 설계를 위해 서사학 연구와 심리학의 기억연구 내용을 참고하였으며, 이를 아카이브의 계층성과 집합성 개념과 결합하였다. 또한 생애서사 구성을 위해 서사의 플롯 개념을 제안하여 스스로 자신의 생애서사를 구성할 수 있는 도구로 활용하도록 하였다. 이러한 생애서사 아카이브의 구성과 활용에 대한 연구는 향후 개인이 자신을 위한 아카이브를 마련하고자 할 때 도움이 될 수 있을 것이다.

• 정보처리학회논문지B
• /
• 제10B권6호
• /
• pp.611-618
• /
• 2003

본 논문에서는 퍼지 추론 방법을 이용하여 비디오 데이터에서 샷(shot)의 경계를 검출하는 방법을 제안한다. 제안된 방법에서는 컷(cut), 페이드(fade), 디졸브(dissolve)와 같은 샷의 경계들을 검출하고, 이들을 그 종류별로 분류하기 위해 기본적으로 퍼지 연상 기억장치를 확장한 퍼지 추론 방법을 이용한다. 본 논문에서는 연속적인 두 영상 사이의 차이를 나타내는 여러 특징들을 입력 퍼지 집합으로 사용하고, 샷 경계들을 출력 퍼지 집합으로 사용한다. 본 논문의 퍼지 추론 시스템은 크게 학습 단계와 추론 단계의 두 단계로 구성된다. 학습 단계에서는 퍼지 소속 함수의 결정을 통해 시스템의 기본 구조를 초기화하고 이를 바탕으로 퍼지 연상 기억장치의 학습 기능을 이용하여 퍼지 규칙을 조건부와 결론부를 연결하는 가중치의 형태로 생성한다. 그리고 추론 단계에서는 구성된 퍼지 추론 모델을 이용하여 실제 추론을 수행한다. 실험에서는 제안된 샷 경계 검출 방법의 성능을 확인하기 위해서 뉴스, 영화, 광고, 다큐멘터리, 뮤직 비디오 등의 비디오 데이터들을 활용하였다.

• 전자공학회논문지CI
• /
• 제49권2호
• /
• pp.53-60
• /
• 2012

최근접 이웃 분류에서 입력 데이터의 클래스는 선택된 근접 학습 데이터들 중에서 가장 빈번한 클래스로 예측된다. 최근접분류 학습은 학습 단계가 없으나, 준비된 데이터가 모두 예측 분류에 참여하여 일반화 성능이 학습 데이터의 질에 의존된다. 그러므로 학습 데이터가 많아지면 높은 기억 장치 용량과 예측 분류 시 높은 계산 시간이 요구된다. 본 논문에서는 분리 경계면에 위치한 학습 데이터들로 구성된 새로운 학습 데이터를 생성시켜 분류 예측을 수행하는 프로토타입 선택 알고리즘을 제안한다. 제안하는 알고리즘에서는 분리 경계 영역에 위치한 데이터를 Tomek links와 거리를 이용하여 선별하며, 이미 선택된 데이터와 클래스와 거리 관계 분석을 이용하여 프로토타입 집합에 추가 여부를 결정한다. 실험에서 선택된 프로토타입의 수는 원래 학습 데이터에 비해 적은 수의 데이터 집합이 되어 최근접 분류의 적용 시 기억장소의 축소와 빠른 예측 시간을 제공할수 있다.

• 한국실내디자인학회논문집
• /
• 제15권6호
• /
• pp.43-51
• /
• 2006

The purpose of this study is to present possibility about applying space design of urban theory focused on collective memory. Urban which is the final data of human's collective life has been recognized creative circumstances human collective is living. It can not think without collective from its motivation to problem of form as well as building as element which compose these cities. It is to recognize essential attribute of construction in the collective that think architecture with urban, and It means that recognize actuality of architecture that can talk as the most collective product that represent human. There was discussion for collective and urban. But, this problem was proceeded to clear human knowledge of architecture mainly in other discipline, and even if speak as field of architecture, it could just pass confined meaning by refering at process that clear several main aspects of architecture as doing not pass over more than it. Problem of form that is ultimate aspect of architecture remained by different thing still doing not combine with collective architecture, and occasionally happened the case that make collective of architecture and relation of form overly incommodiously reducing form by a tool for diagram, shape, figuration in the aspect of collective. This research study concept for memory collective in the urban and collective of architecture, and choose urban planning methodology and their work by specific example between Aldo Rosi and Rem Koolhaas dealing with architecture and urban, and present possibility about space design of urban.

• 한국정보처리학회논문지
• /
• 제3권7호
• /
• pp.1680-1686
• /
• 1996

연역 데이타베이스가 병렬 컴퓨터 구조에 분할 적재될 때, 내포 술어에 대한 갱신이 결정적일 필요가 있으며, 이 결과를 이용한 내포 술어의 병렬 평가 알고리즘이 요구된 다. 본 논문에서는 병렬 연역 데이타베이스의 내포 술어에 대한 삽입과 삭제가 결정적 인 방법을 제안하고 병렬 영역 데이타베이스를 휘한 병렬 컴퓨터 구도에서 갱신 방 법이 고려된 확장된 병렬 평가 알고리즘을 제안한다. 연역 데이타베이스는 외연적 데이타베이스 즉 사실들의 집합과, 내포적 데이타베이스 즉 규칙들의 집합으로 구성된다. 이 집합들을 여러개의 처리기에 분산 적재 하였을 때, 각각의 처리기에서 갱신 방법과 그 결과를 이용한 병렬 평가방법을 연구한다. 각각의 처리기는 자신의 지역 기억장치를 가지며 연결망을 통하여 서로 메세지를 교환함으로써 통신한다.

• 인지과학
• /
• 제25권2호
• /
• pp.159-187
• /
• 2014

대략적 수 민감도(approximate number sense)란 수량에 대하여 대략적인 비교와 덧셈 등의 기본적인 조작을 할 수 있는 능력을 말한다. 선행 연구들은 수 민감도를 측정하기 위해 두 개의 점 집합의 수량을 비교하는 과제를 사용하였다. 선행 연구들이 보고한 수 민감도 수치에는 상당한 편차가 존재하는데 이는 수량 과제 비교의 형식의 차이에 기인할 가능성이 크다. 본 연구는 아동의 수 민감도 측정에 더 적절한 수량 비교 과제의 형식에 대해 알아보았다. 선행 연구에서 가장 흔히 사용된 수량 비교 과제는 서로 다른 색깔의 두 점 집합이 서로 섞여서 제시되는 혼재형(intermixed) 형식과 두 점 집합이 나란히 제시되는 병렬형(side-by-side) 형식이었다. 혼재형 수량 비교 과제는 각 색깔 집합의 수량을 추정할 때, 억제 조절 능력, 선택적 주의 및 시공간 작업 기억 등이 추가적으로 요구될 수 있다. 수량 변별 외에 추가적인 인지 처리를 요구하는 과제는 수량 비교 수행의 개인차를 정확하게 측정하지 못할 가능성이 크며(구성 타당도의 저하), 수량 변별 능력이 마땅히 예측할 것으로 기대되는 관련 변인과의 상관관계도 저조할 가능성이 있다(예측 타당도의 저하). 본 연구는 초등학교 학생들을 대상으로 수량 비교 과제의 형식에 따른 수 민감도 측정치의 차이를 관찰하고 수학 성취도와의 상관관계를 비교하였다. 연구 결과, 혼재 형식 수량 비교 과제를 통한 수 민감도는 병렬 형식에서보다 현저하게 낮았으며, 선행 연구에서 예측한 수 민감도 발달 추이를 고려할 때 지나치게 과소 추정된 값이었다. 나아가 두 가지 제시 형식에 의해 측정된 수 민감도와 수학 성취도와의 상관관계를 비교하였는데, 혼재 형식 수량 비교 과제를 통해 산출된 수 민감도는 수학 성취도와 상관관계를 보이지 않아 예측타당도 역시 낮다고 판단된다. 결론적으로, 본 연구를 통해 아동을 대상으로 하여 수 민감도 측정 시 혼재형식보다 병렬 형식 수량 비교 과제를 사용하는 것이 구성 타당도와 예측 타당도가 더 높다고 판단된다.

• 한국수자원학회:학술대회논문집
• /
• 한국수자원학회 2019년도 학술발표회
• /
• pp.259-259
• /
• 2019

시계열 자료들을 분석하고자 하는 경우 자료가 정상성(stationarity)을 만족하는 경우는 드물다. 특히 계절성을 제거한 자료들에서는 정량화하기 어려운 주기성이 많이 관찰된다. 즉, 어떤 특정지역에서 나타나는 현상이 다른 기상 현상에 영향을 미칠 것은 자명한 일이나 그 관련성이 선형(linearity)일 가능성은 극히 드물다. 따라서 그들 사이의 관련성이 선형성에 근거한 지표들로 정량화되어야 한다. 이러한 문제점을 해결하기 위해서 다양한 방법이 사용되며 그중에서 웨이블릿 분석을 통해 본 연구를 진행하였다. 웨이블릿 변환(wavelet transforms)은 특수한 함수의 집합으로 구성되어 기존 웨이블릿 신호의 분석을 위해 사용되는 방법이다. 이 변환은 푸리에 변환에서 변형된 방법으로 특정한 기저 함수(base function)를 이용하여 기존의 시계열 자료를 주파수로 바꾸는 변환이다. 웨이블릿 변환에서 기저 함수를 모 웨이블릿이라고 하며 이를 천이, 확대 및 축소 과정을 통해 주파수를 구성한다. 웨이블릿 분석은 모 웨이블릿을 분해하고 재결합하여 시계열 분석을 할 수 있다. 모 웨이블릿 함수에는 Haar, Daubechies, Coiflets, Symlets, Morlet, Mexican Hat, Meyer 등의 여러 가지 종류의 모 웨이블릿 함수가 있으며 모 웨이블릿이 달라지면 결과가 다르게 나타난다. 기존에는 Morlet 웨이블릿을 주로 이용하여 주파수분석에 사용하여 결과를 도출하였다. 그리고 시계열 자료는 크게 백색잡음(White Noise), 장기기억(Long Term Memory), 단기기억(Short Term Memory)으로 나뉜다. 각 시계열 자료의 종류에 따라 임의의 시계열 자료를 산정하여 그에 따른 웨이블릿 분석을 통해 모 웨이블릿의 특성을 도출하였다. 본 연구에서는 웨이블릿 분석을 통해 시계열 자료의 최적 모 웨이블릿을 결정하고자 남방진동지수(SOI), 북극진동지수(AOI)의 자료를 이용하여 웨이블릿 분석을 시도하였다. 웨이블릿 분석은 모 웨이블릿에 따라 달라지는 결과를 토대로 분석하였으며 이를 정상성과 지속성에 따라 분류된 시계열에 적용하여 최적 모 웨이블릿을 결정하고자 하였다. 본 연구에서는 임의의 시계열 자료에서 설정한 최적의 모 웨이블릿을 AOI와 SOI와 같은 실제 시계열 자료에 대입하여 분석을 진행하였다. 본 연구에서는 시계열 자료의 종류를 구분하고 자료의 특성에 따라 가장 적합한 모 웨이블릿을 구하고자 하였다.

• 한국정보과학회:학술대회논문집
• /
• 한국정보과학회 2010년도 한국컴퓨터종합학술대회논문집 Vol.37 No.2(A)
• /
• pp.27-31
• /
• 2010

본 논문에서는 하이퍼그래프의 고유벡터를 척도로 하여 fMRI기반 Brain Network를 분석하여 중요한 허브노드를 찾는 방법론을 제시한다. 이 방법을 비디오게임을 수행하면서 촬영한 기능적 자기뇌영상(fMRI) 데이터인 PBAIC 2007 데이터셋에 대하여 그 유용성을 검증하였다. 이 데이터는 각 20분씩 세 세션을 촬영한 것이며 처음 두 세션에는 13가지의 감정 항목의 평가치가 각 스캔마다 주어진다. 한 피험자의 첫번째 세션 데이터로부터 13가지 감정 항목에 대하여 상관관계가 높은 각각의 복셀(voxel)들을 추출하였다. 이 13가지의 복셀들의 집합들을 각각 하이퍼에지로 보고 하이퍼그래프를 구성하였다. 하이퍼그래프로부 터 인접 행렬(adjacency matrix)를 구성한 후 고유치(eigenvalue)와 고유벡터(eigenvector)를 구하였다. 여기서 고유치가 가장 큰 고유벡터의 원소들은 각 복셀들의 중앙성(centrality), 즉 중요성을 나타내며 이로부터 감정과 관련된 중요한 허브 복셀들과 그들의 국소적 집합인 모듈을 찾았다. 모듈들은 감정 및 작업기억(working memory)과 관련된 뇌 영역들의 클러스터(cluster)로 추정된다.