• 한국전통조경학회지
• /
• 제34권3호
• /
• pp.50-66
• /
• 2016

조선 중기 대표적 서원중의 하나인 옥산서원을 사례대상으로, Kaplan의 "주의집중회복이론 틀"을 적용시켜, 서원의 기호학적 의미체계로서의 강학과 유식공간 상호 간의 보완적 특성을 파악함으로써 전통조경의 함축적 의미 도출과 경관해석의 지평을 넓히고, 현대적 학교 공간계획과 조경설계에 일조할 수 있는 논거를 구축하고자 한 본 연구의 결론은 다음과 같다. 옥산서원의 강학과 유식공간의 공간과 경관의 일원성을 통해 주의집중과 회복, 자연과의 합일 그리고 심성론과 수양론을 관통하는 성리미학적 속성이 확인되었다. 이는 정보처리과정을 위한 주의집중을 효과적으로 재개하는 회복적 공간특질로 설명할 수 있다. 옥산서원과 그 주변 환경은 입지와 공간구성, 공간포치 그리고 당호 등을 통한 기호체계의 일부로서, 강학과 유식공간의 일원성을 설명하는 유기체적 환경이며 이는 주의집중으로 부터의 네 가지 회복적 환경요소과 결부되어 나타난다. 즉 자연완상은 강학의 연장인 유식을 통해 강학의 궁구함을 가져오는 체험을 넓히게 한다. 요컨대 '공부'와 '쉼'의 과정은 완물적정을 통해 존재의 의미를 발견하고 인간의 심성을 수양하며 도덕을 체득하게 유도되고 있다. 옥산서원은 입지적으로 읍치로 부터 일정 거리를 두고 떨어진 '벗어남'과 서원의 조망경관과 공간 포치를 이용한 영역 간의 일체감을 통한 '확장감'이 부상되며, 폐쇄성 강한 서원내부에서 자연 우월적 외부공간으로 이르는 다양한 출구 또한 자연으로의 확장을 돕고 있다. 뿐만 아니라 옥산서원에서는 강학과 유식의 호환 및 양립성을 통해 본 '부합성' 등에 기반한 서비스스케이프가 잘 드러난다. 회복관경의 극점은 학문적 존양자인 회재의 자연 유상공간인 사산오대 및 옥산구곡과 관련된 경물 체험을 통해 환기되는 '매혹감'에서 더욱 여실히 나타난다. 이는 강학과 유식이라는 서로 다른 기능공간을 일원적으로 통합하는 내적 질서이자 중요한 회복환경의 가치임을 일깨운다. 특히 옥산서원 주변에 펼쳐져, 회재로부터 정의되고 의미를 부여 받은 사산오대는 성리학적 인식론의 관점에서 자연의 숭고미와 격물치지를 이해하는 매우 유효한 학습환경일 뿐 아니라 주의집중능력을 강화시킬 수 있는 서비스스케이프로써, 최적화한 회복환경이 되고 있음을 실증적으로 보여주었다.

• 정보처리학회논문지B
• /
• 제10B권3호
• /
• pp.281-286
• /
• 2003

실생활에서 해결하고자 하는 문제에 대해 수많은 feature들이 수집되어지나 그 feature들을 모두 문제 해결에 활용하는 것은 어렵다. 모든 feature들에 대한 정확한 자료의 수집이 어려우며 관련된 feature들을 모두 학습에 이용할 경우 복잡한 학습 모델이 생성되어지며 좋은 수행 결과도 얻을 수 없다. 또한 수집된 자료들 간에는 상호 관계나 계층적 관계가 존재하는데, 경험적 지식이나 통계적 방법을 이용하여 feature들간의 관계를 분석함으로써 feature의 수를 줄일 수 있다. 휴리스틱 기법은 반복적인 시행 착오와 경험을 통한 학습으로써 미래가 불확실하고 완전한 정보를 갖고 있지 못할 때, 인간의 사고 기능을 통하여 기억이나 경험을 살려, 스스로 해결방안을 모색하면서 점차로 해에 접근해 가는 방법이다. 전문가들은 경험에 의한 의견 수렴 과정을 거쳐 해당 문제 영역에 접근 가능하며, 이러한 특성을 학습에 사용될 feature의 수를 줄이는데 활용할 수 있다. 전문가들은 원시 자료들을 이용하여 새로운 feature들을 생성할 수 있다 새로이 산출된 feature들과 원시 데이터 내의 feature들을 혼합하여 학습 모델 생성에 이용한다. 본 논문에서는 휴리스틱 함수를 이용하여 학습에 사용될 feature의 수를 줄이고, 추출된 feature들을 신경망의 입력값으로 사용하는 기계 학습 모델을 제시한다. 모델의 성능 평가를 위해 프로야구 경기의 승패 예측 문제를 이용하였다. 실험 결과는 신경 회로망과 휴리스틱 모델을 단독으로 사용했을 때 보다 두 기법을 혼합한 모델이 신경 회로망의 복잡성을 감소시킬 뿐 아니라 분류(classification)의 정확성이 향상되었다.아니라 Hep G2 세포에서도 명백히 단백질의 발현을 관찰할 수 있었다. 또한, Hep G2와 COS세포 모두에서 endogenous RXR의 발현이 일어남을 확인하였고 RXR expression plasmid를 transfection시켰을 때 두 세포 모두에서 단백질의 발현이 현저하게 증가되었다. Constitutive Androstane Receptor (CAR)에 의한 CYP2B의 PBRU 활성효과를 다르게 분화된 세포에서 차이가 일어나는지를 비교하기 위하여 CAR에 의해 매개되는 PBRU의 transactivation효과를 Hep G2와 COS세포에서 조사하였다. Hep G2 세포에서는 transfection된 CAR의 발현에 의해 firefly luciferase 보고단백질의 활성이 약 12배 증가하였다. CAR 발현유전자를 15 ng transfection하였을 때 주어진 보고유전자의 양에 대하여 최대반응을 나타내었고 CYP2B1PBRU가 제거된 CYP2C1 promotor/firefly luciferase를 보고유전자로 사용하였을 때는 CAR에 의한 luciferase의 활성이 나타나지 않았다. Hep G2와는 달리, COS세포에서는 transfection된 CAR의 발현이 PBRU에 의한 firefly luciferase보고단백질의 발현에 영향을 주지 못하였다. 이러한 결과들은 분화된 세포의 종류에 따라서 constitutive androstane receptor의 CYP2BPBRU 활성효과가 다르게 나타날 수 있음을 제시할 뿐만 아니라, 간세포에서 Phenobarbital에 의한 PBRU의 활성유도에 영향을 주는 endogenous 매개 인자들 중 CAR와 RXR과는 다

• 한국정보과학회논문지:데이타베이스
• /
• 제33권6호
• /
• pp.600-619
• /
• 2006

최근에 센서 및 모바일 장비들의 발전으로 인하여 이러한 장비들로부터 생성된 대량의 데이터 스트림(data stream)의 처리가 중요한 연구 과제가 되고 있다. 데이타 스트림 중에서 연속되는 시점에 얻어진 실수 값들의 스트림을 스트리밍 시계열(streaming time-series)이라 한다. 스트리밍 시계열에 대한 유사성 매칭은 여러 가지 고유 특성에 의하여 기존의 시계열 데이타와는 다르게 처리되어야 한다. 본 논문에서는 정규화 변환(normalization transform)을 지원하는 스트리밍 시계열 매칭 문제를 해결하기 위한 효율적인 알고리즘을 제안한다. 기존에는 스트리밍 시계열을 아무런 변환 없이 비교하였으나, 본 논문에서는 정규화 변환된 스트리밍 시계열을 비교한다. 정규화 변환은 절대적인 값은 달라도 유사한 변동 경향을 가지는 시계열 데이타를 찾기 위하여 유용하다. 본 논문의 공헌은 다음과 같다. (1) 기존의 정규화 변환을 지원하는 서브시퀀스 매칭 알고리즘[4]에서 제시된 정리(theorem)를 이용하여 정규화 변환을 지원하는 스트리밍 시계열 매칭 문제를 풀기 위한 간단한 알고리즘을 제안한다. (2) 검색 성능을 향상시키기 위하여 간단한 알고리즘을 $k\;({\geq}\;1)$ 개의 인덱스를 이용하는 알고리즘으로 확장한다. (3) 주어진 k에 대하여, 확장된 알고리즘의 검색 성능을 최대화하기 위해 k 개의 인덱스를 생성할 최적의 윈도우 길이를 선택하기 위한 근사 방법(approximation)을 제시한다. (4) 스트리밍 시계열의 연속성(continuity) 개념[8]에 기반하여, 현재 시점 $t_0$에서의 스트리밍 서브시퀀스에 대한 검색과 동시에 미래 시점 $(t_0+m-1)\;(m\geq1)$까지의 검색 결과를 한번의 인덱스 검색으로 구할 수 있도록 재차 확장한 알고리즘을 제안한다. (5) 일련의 실험을 통하여 본 논문에서 제안된 알고리즘들 간의 성능을 비교하고, k 및 m 값의 변화에 따라 제안된 알고리즘들의 검색 성능 변화를 보인다. 본 논문에서 제시한 정규화 변환 스트리밍 시계열 매칭 문제에 대한 연구는 이전에 수행된 적이 없으므로 순차 검색(sequential scan) 알고리즘과 성능을 비교한다. 실험결과, 제안된 알고리즘은 순차 검색에 비하여 최대 13.2배까지 성능이 향상되었으며, 인덱스의 개수 k가 증가함에 따라 검색 성능도 함께 증가하였다.