• 검색 결과가 없습니다.

유효성 및 타당성 검증을 중심으로

N/A
N/A
Protected

Academic year: 2022

Share "유효성 및 타당성 검증을 중심으로"

Copied!
165
0
0

로드 중.... (전체 텍스트 보기)

전체 글

(1)

저작자표시-비영리-변경금지 2.0 대한민국 이용자는 아래의 조건을 따르는 경우에 한하여 자유롭게

l 이 저작물을 복제, 배포, 전송, 전시, 공연 및 방송할 수 있습니다. 다음과 같은 조건을 따라야 합니다:

l 귀하는, 이 저작물의 재이용이나 배포의 경우, 이 저작물에 적용된 이용허락조건 을 명확하게 나타내어야 합니다.

l 저작권자로부터 별도의 허가를 받으면 이러한 조건들은 적용되지 않습니다.

저작권법에 따른 이용자의 권리는 위의 내용에 의하여 영향을 받지 않습니다. 이것은 이용허락규약(Legal Code)을 이해하기 쉽게 요약한 것입니다.

Disclaimer

저작자표시. 귀하는 원저작자를 표시하여야 합니다.

비영리. 귀하는 이 저작물을 영리 목적으로 이용할 수 없습니다.

변경금지. 귀하는 이 저작물을 개작, 변형 또는 가공할 수 없습니다.

(2)

2009 年 02 月 박 사 학 위 논 문

뉴럴네트워크를 이용한 병원로비의 뉴럴네트워크를 이용한 병원로비의 뉴럴네트워크를 이용한 병원로비의 뉴럴네트워크를 이용한 병원로비의

공간감에 관한 평가연구 공간감에 관한 평가연구 공간감에 관한 평가연구 공간감에 관한 평가연구

유효성 및 타당성 검증을 중심으로

- -

조선대학교 대학원

건 축 공 학 과

김 미 영

(3)

뉴럴네트워크를 이용한 병원로비의 뉴럴네트워크를 이용한 병원로비의 뉴럴네트워크를 이용한 병원로비의 뉴럴네트워크를 이용한 병원로비의

공간감에 관한 평가연구 공간감에 관한 평가연구 공간감에 관한 평가연구 공간감에 관한 평가연구

유효성 및 타당성 검증을 중심으로

- -

A Study on the Evaluation of A Study on the Evaluation of A Study on the Evaluation of

A Study on the Evaluation of Space Recognition Space Recognition Space Recognition in the Space Recognition in the in the in the Concourse of Hospital using the Neural Networks Concourse of Hospital using the Neural Networks Concourse of Hospital using the Neural Networks Concourse of Hospital using the Neural Networks

- focusing on the - focusing on the - focusing on the

- focusing on the Confirmation of the Reliability and ValidityConfirmation of the Reliability and ValidityConfirmation of the Reliability and ValidityConfirmation of the Reliability and Validity ----

년 월

2009 2

조선대학교 대학원

건 축 공 학 과

김 미 영

(4)

뉴럴네트워크를 이용한 병원로비의 뉴럴네트워크를 이용한 병원로비의 뉴럴네트워크를 이용한 병원로비의 뉴럴네트워크를 이용한 병원로비의

공간감에 관한 평가연구 공간감에 관한 평가연구 공간감에 관한 평가연구 공간감에 관한 평가연구

유효성 및 타당성 검증을 중심으로

- -

지도교수 김 수 인

이 논문을 공학박사학위신청 논문으로 제출함

년 월

2009 2

조선대학교대학원

건 축 공 학 과

김 미 영

(5)
(6)

목 차

목 차

목 차

목 차

A A

A A

bstractbstractbstractbstract 표 목 차 그림목차 사진목차

제 장 서 론 제 장 서 론 제 장 서 론

제 장 서 론 1 1 1 1

··· 1

제 절 연구의 배경 및 목적1 ··· 1

제 절 연구의 범위 및 방법2 ··· 3

제 절 용어의 정리3 ··· 5

제 장 이론적 고찰 제 장 이론적 고찰 제 장 이론적 고찰 제 장 이론적 고찰 2 2 2 2

··· 7

제 절 선행연구 고찰1 ··· 7

건축분야의 신경망에 활용 연구 1. ··· 7

건축공간감에 관련 연구 2. ··· 10

제 절 건축의 공간감과 감성2 ··· 12

실공간의 지각 1. ··· 12

감성공학 2. ··· 14

감성과 공간감 3. ··· 15

제 절 신경망 이론3 ··· 17

신경망 개요 1. ··· 18

신경망의 구조 2. ··· 21

신경망의 동작 3. ··· 24

신경망의 학습 4. ··· 25

(7)

제 장 건축공간감 평가 제 장 건축공간감 평가 제 장 건축공간감 평가

제 장 건축공간감 평가 3 3 3 3 시스템 시스템 시스템 시스템의 학습성 의 학습성 의 학습성 의 학습성

··· 31 제 절 입 출력변수 설정1 ․ ··· 31

입 출력변수설정방법

1. ․ ··· 31 공간감의 평가모델 선정시 고려요소

2. ··· 34 제 절 신경망 학습 알고리즘 구조2 ··· 35

역전파 학습 신경망의 구조

1. ··· 35 역전파 학습 프로그램의 함수 구성

2. ··· 36 제 절 평가시스템의 구축3 ··· 38

제안 모델

1. ··· 38 데이터의 수집 및 적용

2. ··· 39

제 장 공간감의 유효성 검증실험 제 장 공간감의 유효성 검증실험 제 장 공간감의 유효성 검증실험

제 장 공간감의 유효성 검증실험 4 4 4 4

··· 49 제 절 실험조사 및 결과 개요1 ··· 49

조사의 개요

1. ··· 49 공간감의 평가데이터의 선정

2. ··· 51 제 절 실험분석2 ··· 53

개 입력변수의 실험분석

1. 26 ··· 53 개 입력변수의 실험분석

2. 14 ··· 55 제 절 검증 실험결과3 ··· 57

입력 변수별 공간감의 평가모델 실험결과

1. ··· 57 연대별 분류한 평가모델 실험결과

2. ··· 64

제 장 공간감의 타당성 검증실험 제 장 공간감의 타당성 검증실험 제 장 공간감의 타당성 검증실험

제 장 공간감의 타당성 검증실험 5 5 5 5

··· 66 제 절 공간감의 평가시스템 검증1 ··· 66

데이터 선정

1. ··· 66 설문의 회수

2. ··· 72 평가결과

3. ··· 73 제 절 실험결과의 검증2 ··· 87

실험결과의 검증

1. Ⅰ Group ··· 87

(8)

실험결과의 검증

2. Ⅱ Group ··· 90

실험결과의 검증 3. Ⅲ Group ··· 94

제 절 적용방안 토론 및 향후 연구과제3 ··· 97

제 장 결론 제 장 결론 제 장 결론 제 장 결론 6 6 6 6

··· 99

참고문헌 ··· 102

부록 설문지 1. ··· 107

설문지 집계표 2. ··· 111

병원로비의 공간감에 대한 공통적인 내용 요약 3. ··· 113

광주광역시 종합병원의 도면 입력변수 데이터 4. ․ ··· 121

기타 병원의 도면 입력변수 데이터 5. ․ ··· 130

국문초록 ··· 145

감사의 글 ··· 147

저작권관계 ··· 149

(9)

표 목 차 표 목 차 표 목 차 표 목 차

표 신경망에 관련 연구

< 2-2> ··· 9 표 치수로 규정하는 양

< 2-2> ··· 13

표 공간감 평가모델의 입력변수

< 3-1> ··· 33 표 공간감에 대한 공통적인 내용

< 3-2> ··· 34 표 학습용 데이터와 검증용 데이터

< 3-3> 1 ··· 40 표 학습용 데이터와 검증용 데이터

< 3-4> 2 ··· 41 표 신경망의 데이터 종류

< 3-5> (8:2) ··· 42 표 신경망의 데이터 종류

< 3-6> (9:1) ··· 43 표 신경망 인식기 실험 결과

< 3-7> (8:2) ··· 44 표 신경망 인식기 실험 결과

< 3-8> (9:1) ··· 44 표 신경망의 데이터 종류

< 3-9> (8:2) ··· 45 표 신경망의 데이터 종류

< 3-10> (9:1) ··· 46 표 신경망 인식기 실험 결과

< 3-11> (8:2) ··· 47 표 신경망 인식기 실험 결과

< 3-12> (9:1) ··· 47 표 신경망 인식기 실험 결과

< 3-13> ··· 48

표 광주광역시의 종합병원

< 4-1> ··· 49 표 실험대상 병원의 개요

< 4-2> ··· 50

표 공간감의 평가데이터

< 4-3> ··· 52 표 평가 데이터 연도별 분류

< 4-4> ··· 52

표 공간감 평가 입력변수 개

< 4-5> ( 26 ) ··· 53

표 공간감의 평가결과

< 4-6> (8:2) ··· 54

표 공간감의 평가결과

< 4-7> (9:1) ··· 54

(10)

표 공간감 평가결과 입력변수 개

< 4-8> ( 14 ) ··· 55

표 공간감의 평가

< 4-9> (8:2) ··· 56

표 공간감의 평가

< 4-10> (9:1) ··· 56 표 입력변수별 공간감의 평가모델의 분석

< 4-11> ··· 57

표 공간감의 평가분류

< 4-12> ··· 58 표 평가된 병원의 면적 비교

< 4-13> ··· 59 표 평가된 병원의 둘레 비교

< 4-14> ··· 60 표 평가된 병원의 높이 비교

< 4-15> ··· 61 표 평가된 병원의 용적 비교

< 4-16> ··· 61 표 연대별 공간감의 평가모델 분석

< 4-17> ··· 65

표 공간감 평가모델의 데이터

< 5-1> ⅠGroup 1··· 66

표 공간감 평가모델의 데이터

< 5-2> ⅡGroup 1··· 68

표 공간감 평가모델의 데이터

< 5-3> ⅢGroup 1··· 70

표 설문지 회수

< 5-4> ··· 72

표 개방감 분석

< 5-5> ⅠGroup ··· 73

표 개방감 분석

< 5-6> ⅡGroup ··· 74

표 개방감 분석

< 5-7> ⅢGroup ··· 75

표 깊이감 분석

< 5-8> ⅠGroup ··· 76

표 깊이감 분석

< 5-9> ⅡGroup ··· 77

표 깊이감 분석

< 5-10> ⅢGroup ··· 78

표 높이감 분석

< 5-11> ⅠGroup ··· 79

표 높이감 분석

< 5-12> ⅡGroup ··· 80

표 높이감 분석

< 5-13> ⅢGroup ··· 81

표 넓이감 분석

< 5-14> ⅠGroup ··· 82

표 넓이감 분석

< 5-15> ⅡGroup ··· 83

표 넓이감 분석

< 5-16> ⅢGroup ··· 84

(11)

표 쾌적감 분석

< 5-17> ⅠGroup ··· 85

표 쾌적감 분석

< 5-18> ⅡGroup ··· 86

표 쾌적감 분석

< 5-19> ⅢGroup ··· 87

표 의 평가모델

< 5-20> ⅠGroup ··· 88

표 의 평가모델과 인간의 감성평가 비교

< 5-21> ⅠGroup ··· 89

표 의 변수에 의한 평가모델

< 5-22> ⅡGroup ··· 91

표 의 평가모델

< 5-23> ⅡGroup ··· 92

표 의 평가모델과 인간의 감성평가 비교

< 5-24> ⅡGroup ··· 93

표 의 평가모델

< 5-25> ⅢGroup ··· 94

표 의 평가모델과 인간의 감성평가 비교

< 5-26> ⅢGroup ··· 95 표 공간감 평가모델과 인간의 감성평가 비교 분석

< 5-27> ··· 96

(12)

그 림 목 차 그 림 목 차 그 림 목 차 그 림 목 차

그림 1-1 연구의 흐름도··· 6

그림 2-1 생물학적 신경세포 뉴런( ) ··· 19

그림 2-2 뉴런의 인공적인 모델··· 22

그림 2-3 활성화 함수의 종류··· 23

그림 2-4 다층 신경망 구조··· 24

그림 2-5 신경망 학습 방법의 분류··· 25

그림 2-6 다층퍼셉트론··· 27

그림 3-1 신경망시스템의 체계··· 35

그림 3-2 신경망 프로그램의 동작과정··· 36

그림 3-3 제안모델 구성도··· 38

그림 3-4 신경망 구조··· 39

그림 4-1 연면적당 로비면적··· 51

그림 4-2 주출입구가 있는 바닥면적당 로비면적··· 51

(13)

사 진 목 차 사 진 목 차 사 진 목 차 사 진 목 차

사진 4-1 평가된 주출입구와 로비공간 1 ··· 62 사진 4-2 평가된 주출입구와 로비공간 2 ··· 63 사진 4-3 평가된 주출입구와 로비공간 3 ··· 64

사진 5-1 공간감 평가모델의 ⅠGroup 데이터 2··· 67 사진 5-2 공간감 평가모델의 ⅡGroup 데이터 2··· 69 사진 5-3 공간감 평가모델의 ⅡGroup 데이터 3··· 70 사진 5-4 공간감 평가모델의 ⅢGroup 데이터 2··· 71

(14)

Abstract Abstract Abstract Abstract

A Study on the Evaluation of A Study on the Evaluation of A Study on the Evaluation of

A Study on the Evaluation of Space Recognition Space Recognition Space Recognition in the Space Recognition in the in the in the Concourse of Hospital employing the Neural Networks Concourse of Hospital employing the Neural Networks Concourse of Hospital employing the Neural Networks Concourse of Hospital employing the Neural Networks

- focusing on the - focusing on the - focusing on the

- focusing on the Confirmation of the Reliability and ValidityConfirmation of the Reliability and ValidityConfirmation of the Reliability and ValidityConfirmation of the Reliability and Validity ----

Kim

, Mi-Young

Advisor : Prof. Kim, Soo-In, Dr.

Department of Architectural Engineering, Graduate School of Chosun University

1. Background 1. Background 1. Background 1. Background

The purpose of architectural design in the process of architectural planning and design is to construct building satisfying users' requirements. It is design technique to make limited space the most effective and comfortable one suitable to human sensitivity and makes social and environmental changes requiring effective and comfortable human life the goal of architecture. For this, forecast and evaluation of human sensitivity intends to play a role in the right communication between designer and users.

2. Experimental Plan and Purpose 2. Experimental Plan and Purpose 2. Experimental Plan and Purpose 2. Experimental Plan and Purpose

This study is to reveal the evaluation of architectural space through neural networks. It verifies reliability and validity of space recognition(spaciousness) in human sensitivity of three dimensional space felt through vision. Subject of this

(15)

study was confined to the concourse of domestic hospitals. Feature for classification used space dimension for actual perception and learning pattern of space recognition(spaciousness) was produced with values of space dimension, classifier was made by learning neural networks, and learning algorithm of neural networks used back propagation algorithm.

3. Experimental Methods and Cases 3. Experimental Methods and Cases 3. Experimental Methods and Cases 3. Experimental Methods and Cases

1) Neural networks sensor was used with 27 variables including 26 input variables and 1 bias, 4 hidden nodes as class 1, 2 output nodes, 1000 repetition rates and learning rate 0.089, 15 variables including 14 input variables and 1 bias, 2 output nodes, 1000 repetition rates and learning rate 0.090 used at total 60 hospitals including each 30 hospitals.

2) Created models were divided into for training and for validation, data for learning were used for making model with most appropriate weight in model, and data for validation were used for evaluating the efficacy of model.

3) In case of neural networks model, data set for validation was used to decide stopping rule and it used division method which designated the rates for learning and validation as 24, 6(8:2) and 27, 3(9:1) respectively.

4. Results 4. Results 4. Results 4. Results

1) Neural networks for validation learned with data of total 60 hospitals recognized all 26 input variables and 14 variables and showed recognition rate of 100% and it was considered that reliability of neural networks program embodied by this study was verified.

2) Since data classified into evaluation model of space recognition(spaciousness) available in the process of architectural design have similar results with evaluation of human sensitivity, it was thought that validity of spatial sense evaluation was verified.

When neural networks system embodied in this study is used for evaluating

(16)

space recognition(spaciousness), it can be sought as a new approach to evaluate existing subjective space recognition(spaciousness) evaluation because learning can be performed by actual data of space dimension. In addition, utilization of these data can contribute to right communication between designer and users owing to forecast and evaluation of sensitivity in the process of design.

(17)

제 장 서 론 제 장 서 론 제 장 서 론 제 장 서 론 1 1 1 1 제 절 연구의 배경 및 목적

제 절 연구의 배경 및 목적 제 절 연구의 배경 및 목적 제 절 연구의 배경 및 목적 1 1 1 1

최근 건축계획 및 설계과정에서 디자인 방법에 관한 논의들은 주목하여 왔으나 목적 에 대한 언급은 찾아보기 어렵다 이는 건축디자인의 목적이 사용자 요구에 만족한 건. 물을 만드는 것으로 볼 수 있다 건축디자인 목적은 사용자의 요구에 대해 합리적이고. 과학적인 접근의 한계라 할 수 있다 건축디자인의 목적으로 사용되는 요구 중 특히. 감성은 관찰자의 주관적 해석에 의존할 수밖에 없는 불투명한 속성을 지니고 있다 게. 다가 사회와 환경의 변화에 따른 사용자의 요구를 조사 분석하고 디자인에 반영한다는 것은 많은 비용과 에너지를 소모하는 비합리적인 방법일 수 있다.

공간감1)/개방감이란 인간이 느끼는 공간에 대한 감성이다 인간의 두뇌활동 중. 70%

는 시각을 위한 것이고 인간의, 3차원 공간에서 줄 곧 생활한다 따라서 시각을 통해. 느끼는 3차원 공간의 공간감 개방감은 인간이 느끼는 여러 감성 중 가장 기본적인 것/ 이라 할 수 있다.

병원건축은 큰 변화를 맞이하고 있으며 의료서비스에 대한 환자들의 요구가 바뀌고, 있을 뿐만 아니라 국내 의료계는 무한경쟁 개방화 등 급격한 환경변화에 대처하고 환, , 자유치를 위해 각 병원들은 변화를 추구하고 있다 그것은 국민들이 의사위주의 병원. , 기술 중심의 의료가 아니라 환자중심병원을 바라고 있기 때문이다 건강에 대한 관심. 이 높아지면서 병원은 치료 목적이 뿐만 아니라 질병이 걸리기 이전에 건강의유지관리 가 강조되어 입원 보다는 외래중심의 의료 환경변화가 이루어진다.

이는 환자중심병원이 강조되면서 크고 화려한 로비 아트리움 호스피탈 스트리트 등, , 이 만들어지고 고급 인테리어가 유행처럼 퍼졌다 그로인해 병원건축의 디자인이 변하. 1) 감성적 인식은 실내공간에서도 이루어지는데 처음 어떤 공간에 들어섰을 때 그 공간특성인 넓이, 높이 깊이 밝기 색깔 소리 온도 가구 등 그 공간을 이루는 환경적 요소들의 조화에 의해서 그, , , , , , 공간을 인식하게 되고 이때 그 공간에 대한 분위기를 느끼게 된다 이렇게 특정 공간에서 느껴지. 는 분위기 이미지를 공간감, (空間感)이라고 할 수 있다.

(18)

기 시작하였다.2)

병원의 주출입구는 환자와 방문객들이 병원에 대한 이미지를 만드는 주요한 내부공 간이며 병원의 로비공간은 이용자의 대부분이 경험하는 공용공간의 핵심공간으로 그, 역할이 크게 변하고 있다 로비공간은 장소로서의 의미 내 외부공간의 연결 치유의. , ․ , 기능 길찾기의 기능 동선 연결의 역할 병원의 중심공간으로서의 역할을 의미를 갖고, , , 있다 최근에는 다양한 행위 연주회 전시회 강연회 등 의 가능성에 열려있는 다의적. ( , , )

인 공간을 제공하거나 쇼핑 몰 등의 상업시설과 연계시키기도 한다

(多義的) .3)

이와 같이 다기능화 되어가는 병원로비공간의 공간적 요소를 분리하여 이를 어떻게“ 인식하고 있는가 라는 감성평가를 검토할 필요가 있다?” .

한편 신경망, (Neural Network)은 복잡한 예측모델이 비교적 쉽게 구축할 수 있다는 특징을 가지고 있어서 인간에 의한 감성평가라고 하는 명시적인 표현이 어려운 비선, 형의 문제에 적합하다.

신경망은 입력 패턴(pattern)에 대해서 명료한 출력을 얻을 수 있고 문제에 대한 충, 분한 지식을 가지고 있지 않아도 사용할 수 있다.4) 이와 같이 주출입구와 로비공간을 건축 공간적 요소를 분리하여 이를 어떻게 인식하고 있는가? 라고 평가를 다루는

「 」

경우에 신경망의 사용은 의미가 있을 수 있다 인간이 직감적으로 다루어 오는 개념을. 컴퓨터의 개발과 더불어 인간처럼 계산하고 판단하며 인식할 수 있는 능력을 컴퓨터로 구현한다면 보다 객관적으로 다루는 것이 가능하다고 생각된다.

따라서 본 연구에서는 건축의 계획 및 설계과정에서 신경망을 이용한 공간감의 평, 가모델을 구축하여 학습에 사용되지 않는 실적 데이터에 의해서 회상을 시행하여 유효 2) 최광석(2002.09), 「의료시설의 디자인 변화과정에 관한 연구」 『, 대한건축학회논문집』18 9권 호

통권167 , p.80.호

3) 노은정 오은진 김정기, , (2005.10),「멀티 테라피를 적용한 치유환경적 종합병원 로비공간 계획에 관한 연구」 『, 한국실내디자인학회 학술발표대회논문집』7 2권 호 통권 호9 , p.116.

4) 赤堀彰彦 平原麻代 齋藤篤史 宗本順三 松下大輔, , , , (2006.09),産寧坂 建地伝 区における建造物ファ - 1, -

評 構築 究 用 感性評

サ ドのー 価システムの に する関 研 その ニュ ラルネットワ クを いたー ー 価シ - , 日本建築 術講演梗 集 環境系( ), p.507.

ステム 学会 学 概

(19)

성을 검증하는 것을 첫 번째 목적으로 하며 제안한 공간감의 평가모델을 근거로 실험, 데이터를 분류하여 공간감의 평가모델의 결과와 인간의 감성평가결과를 비교하여 타당 성을 검증하는 것을 두 번째 목적으로 하였다.

건축 공간적 요소를 분리한 실공간에 대한 인간과 컴퓨터의 감성평가결과가 동일하 면 공간감의 평가모델로써 설명이 충분할 수 있으며 공간감의 평가결과가 상이하면, 인간의 인지과정은 실내공간에서도 이루어지는데 처음 어떤 공간에 들어섰을 때 그 공 간특성인 넓이 높이 깊이 밝기 색깔 소리 온도 가구 등 그 공간을 이루는 환경적, , , , , , , 요소들의 조화에 의한 것으로 판단할 수 있다.

제 절 연구의 범위 및 방법 제 절 연구의 범위 및 방법 제 절 연구의 범위 및 방법 제 절 연구의 범위 및 방법 2 2 2 2

본 연구는 건축계획 설계과정에서 건축 공간적 요소를 분리한 실공간의 지각에 관․ 한 공간치수를 대상으로 다음내용을 살펴본다.

첫째 신경망인식기를 훈련하여 풍부한 공간감이 제공되는가, 「 ?」어떠한가 를 정하는? 공감감의 평가모델을 구축한다.

둘째 실험데이터를 분류하여 제안한 공간감의 평가모델의 결과와 인간의 감성평가, 결과를 비교한다.

공간감의 평가를 위한 신경망시스템을 구축하기 위하여 우선 신경망의 학습방법을 비롯한 알고리즘을 결정하였다. 신경망의 학습방법으로는 오류역전파 학습알고리즘

을 사용하였다 프로그램은 을 사

(error back-propagation algorithm) . Visual C++ 6.0 용5)하여 작성하였다 신경망 인식기는 각각의. 30개 병원 총 60개 병원에서 입력변수

개와 바이어스 개를 포함하여 개 히든노드는 계층으로 개를 사용하고 출력노

26 1 27 , 1 4

5) 최창락 김지수 김수형 심철무, , , , 「중성자 보안검색 장치를 위한 신경망 분류기 비교 연구」, 한 국정보처리학회 추계학술발표대회 논문집 제, 14권 제 호2 , 2007과 「중성자 보안검색 장치를 위한 신경망 기반의  스펙트럼 분류방법- 」, 한국정보과학회 가을 학술발표논문집 제, 34권 제 호 제2 , 2 호, 2007에서 사용하여 시스템을 구축함.

(20)

드는 개를 사용하여 반복률은2 , 1000 ,번 학습률은 0.089를 사용하였다 입력변수. 26개로 신경망의 학습데이터와 검증데이터를 8:2 와 9:1로 하여 평균 인식률을 파악하였다.

주출입구와 로비공간만의 공간치수를 대상으로 입력변수 14개로와 바이어스 1개를 포함하여 15 ,개 히든노드는 1계층으로 3 ,개 출력노드는 2개를 사용하여 반복률은 1000 번 학습률은, 0.090을 사용하였다 신경망의 학습 데이터와 검증 데이터를. 8:2 와 9:1로 하여 가장 좋은 성능의 인식기를 파악하여 공간감 평가모델로 구축하였다.

병원로비공간은 외부공간과 병원의 재실을 연결시키는 완충공간으로서 병원에 출입 하는 사람들의 흐름을 원활하게 하는 출입구영역과 공공장소로서의 휴식공간 병원을, 수속하기 위한 대기공간 등을 포함하는 공간을 말한다 주출입구의 영역은 외래환자. 출입구를 중심으로 하여 출입구와 출입문안의 인접한 부분을 영역으로 한정한다 이에, . 는 방풍실이 포함된다 로비공간은 주출입구로부터 엘리베이터 홀까지 이르는 주 통로. 와 함께 주 대기공간 안내 데스크를 포함하는 영역으로 한정하며 외래진료부문을 위, , , 한 대기공간은 제외한다.

본 연구에서 대상으로 한 병원로비공간의 실적자료는 2000년 이후 발행된 한국의료 복지시설학회의 기술정보부분에 게재된 병원 주출입구와 로비공간을 중심으로 작품 설 명한 내용을 근거로 하여 30개의 병원을 선정하여 26개의 특징을 가지고 「풍부한 공 간감이 제공되다 라고 하였다 그리고 선정된」 . 30개 병원에서 높이 값을 방풍실( H, 로비 H) 공통으로 일정한 값으로 하며 공간감에 큰 영향을 미치는 요소인 광정, (open

등 호스피탈 스트리트 중정 아트리움 등을

space, top light ), (hospital street), , (atrium) 계획과정에서 반영하지 않았다 이를 기반으로. 「풍부한 공간감이 제공 안되다 고 가」 가정하였다.

제안한 공간감 평가모델을 가지고 실험데이터인 광주광역시 13개의 종합병원을 대상 으로 입력변수 26개로 각각의 8:2로 「풍부한 공간감이 제공되다 에 분류된 병원」 7곳 과, 「풍부한 공간감이 제공 안되다 에 분류된 병원」 3곳을 선택하여 설문조사를 한 후 공간감 평가모델과 인간의 감성평가결과를 비교하였다.

(21)

제 절 용어의 정의 제 절 용어의 정의 제 절 용어의 정의 제 절 용어의 정의 3 3 3 3

공간감

1. (空間感, space recognition)6)은 건축디자인의 기본개념이 반영된 공간에서 는 ①개방감, ②깊이감, ③높이감, ④넓이감, ⑤쾌적감7)를 감성적 의미를 평가한다.

풍부한 공간감이 제공되다 는 감성적 의미에서 개방적이다 개방감이 있

2. 『 』 「 (

다) ,」 「깊다 깊이감이 있다( ) ,」 「높다 높이감이 있다( ) ,」 「넓다 넓이감이 있다( ) ,」 쾌적하다 쾌적감이 있다( ) 라고 정의한다. 풍부한 공간감이 제공되다 라는 평가

「 」 「 」

는 애매하여 보다 더 객관적인 평가가 요구된다.

또한 「풍부한 공간감이 제공되다 라는 개념은 모두에게 동일한 반응으로 나오는」 것은 아니고 그 공간의 체험자의 상태에 따라서 달라진다.

공간체험자의 과거의 사건 경험 개인의 학, , 습된 지식들 심리적인 차이 등에 의하여 개, 인이 느끼는 공간의 분위기와 이미지는 다르게 된다. 그렇지만 다양한 해석의 폭을 가지면 서도 관찰주체의 따라 완전히 제각기의 다른 개념은 아니고 집단으로 공유하고 있는 부분이 많이 존재한다고 생각된다.

풍부한 공간감이 제공 안되다 는 감성적 의미에서 개방적이지 않다 개방감

3. 『 』 「 (

이 없다) ,」 「얕다 깊이감이 없다( ) ,」 「낮다 높이감이 없다( ) ,」 「좁다 넓이감이 없( 다) ,」 「쾌적하지 않다 쾌적감이 없다( )」라고 정의한다.

이와 같은 내용에 따라 연구를 진행하였으며 그 전체적인 모습은 그림, 1-1의 연구 의 흐름도(flowchart)에 따라 추진하였다.

6) 공간감(空間感: space recognition/ spaciousness)은 어떠한 공간을 처음 접할 때가 그 공간성질 과 분위기에 대한 인상을 결정짓는 가장 중요한 것은 비어 있는 공간이라고 본다.

7) 쾌적감은 음 소음차단 빛 인공조명 열 온도조절 공기 환기조절 가구 및 집기 이동성 조절성( ), ( ), ( ), ( ), ( , ) 이지만 본 연구에서는 계획 및 설계과정에서 쾌적감은 자연광 친근한 출입구 계획 개방적인 병, , , 원에서 느끼는 감성을 말한다.

(22)

그림 1-1 연구의 흐름도

(23)

제 장 이론적 고찰 제 장 이론적 고찰 제 장 이론적 고찰 제 장 이론적 고찰 2 2 2 2

제 절 선행연구 고찰 제 절 선행연구 고찰 제 절 선행연구 고찰 제 절 선행연구 고찰 1 1 1 1

건축분야의 신경망에 활용 연구 건축분야의 신경망에 활용 연구 건축분야의 신경망에 활용 연구 건축분야의 신경망에 활용 연구 1.

1.

1.

1.

건축분야에서 신경망 이론을 활용한 연구를 살펴보면 복잡한 많은 요인들을 고려해, 야 하는 연구분야에서 1980년대 중반 이후1)활발하게 적용되고 있다.

패턴인식2) 분야에서 신경망은 많이 응용되고 있다 패턴인식의 대표적인 응용 분야. 는 현재 문자 인식 생체 인식과 행동 패턴 분석 의료영상 분석 및 진단 시스템 도면, , , 인식 예측시스템, 3) , 보안과 군사 등이 있다 즉. , 4) 건설공사비 예측5), 공법선정6) 구조 해석7), 건축형태의 인지 시각감성의 예측 감성평가 등의 연구 분야에서 활용되고 있, , 다 이러한 연구들 중에서 건축계획 부분의 연구들을 중심으로 살펴보면 다음과 같다. .

서동연 등은 건축형태에 대한 범주화가 진행되는 과정을 유사성과 개념의 관점에서 파악을 위한 인공적 유사성 모델로서 신경망 모델을 제안하고 있다 전형적 비전형적. , 건축형태에 대한 반응을 인간의 반응과의 비교를 통하여 건축형태에 대한 범주화는 추 리 판단 의사결정 등의 사고과정에 중추적인 역할을 하고 있을 뿐만 아니라 무엇보다, , 도 새로운 디자인을 창출하거나 기존의 디자인을 수정할 때 창의적 사고를 유도해 내 는 기능을 제시하였다.8)

1) 신경망 이론은 1986년 Rumelhart 등이 제안한 역전파 알고리즘이 소개되면서 많은 발전이 있었 고 이후 다양한 분양서 이를 활용한 연구들이 성공적으로 이루어지고 있다 김대수 신경망 이론, . , 과 응용(1), 하이테크 정보, 1992, p9 1.

2) 패턴인식(Pattern Recognition)이란 인간이 외부세계로부터의 자극을 인식하는 과정을 말한다 인. 공지능 이광형외, 1, 한국방송통신대학교출판부, 2008, p 254.

3) 인공위성 데이터에 기반한 날씨 예측 지진 패턴 분석과 예측 시스템 주가 예측시스템에 활용된, , 다 한학용 패턴인식 개론 한빛미디어, , , , 2005, p 45.

4)한학용, 전게서, p 44.

5) 조훈희, 「국내 건축공사비 지수 개발과 뉴럴네트워크를 이용한 지수예측 방안에 관한 연구」, 고 려대학교 박사학위논문, , 2002.

6) 김광열, 「우리나라 도심지 공사의 적정 흙막이 공법선정에 관한 연구 신경망 이론을 중심으로- 」, 고려대학교 석사학위논문, , 2002.

7) 명창문, 「신경망을 이용한 원통 쉘의 구조해석에 관한 연구」, 충남대학교 박사학위논문, , 2002.

(24)

인간의 연상 작용을 구조화한 신경망 모델로서 경험된 현상에 의하여 양방향의 연산 기능을 가진 BAM(Bidirectional Associative Memory)을 기반으로 새로이 생성되는 디 자인 대안에 대한 사용자의 감성 예측하는 방법과 감성 형용사를 기반으로 디자인을 생성하는 방법을 다루었다.9)

인간의 각 인지적 과정을 구조화하여 학습된 신경망 모델을 제안하고 디자이너와 사 용자의 감각과 감성적 반응을 수량화하거나 예측하여 인공지능에 의한 건축형태의 인 지 반응을 테스트 하여 신경망 모델의 적용 가능성을 제안하였다.10)

등은 파사드(facade)를 구성하고 있는 형태요소를 가지고 뉴럴네트워크 赤堀彰彦

모델을 구축하여 감성평가시스템을 제안하였다 산영판 전통지구

(neural network) .

(Sannenzaka Preservation District)내의 건축물의 파사드(facade)을 대상으로 하여 그 유효성을 검증하였다.11)

등은 산영판 전통지구(

齋藤篤史 Sannenzaka Preservation District)내의 건축물의 파사 드(facade)을 대상으로 뉴럴네트워크와 러프 집합(rough set theory)에 의한 결과를 비 교에서 뉴럴네트워크를 이용한 감성평가시스템에 어떠한 형태요소가 평가시스템에 영 향을 주고 있는가를 러프 집합에 의한 결과와 비교 고찰을 하여 평가시스템의 타당성 을 검증하였다.12)

8) 서동연 최영준 우창훈, , , 「건축형태 인지과정의 범주화에 관한 모형 비교 연구」, 대한건축학회 논문집 계획계( ), v.21 n.4(2005-04)

9) 서동연 배정익, , 「시각 감성 예측을 통한 건축디자인 지원 방법에 관한 연구 」, 대한건축학회 논문집 계획계( ), v.20 n.2(2004-02)

10) 서동연 , 이경회, 「인공지능에 의한 건축형태의 인지방법에 관한 연구」, 대한건축학회 논문집 계획계

( ), v.19 n.12(2003-12)

11) 赤堀彰彦 平原麻代 宗本順三 松下大輔 産寧坂 建地, , , , 伝 区における建造物ファサ ドのー 評価システ

1 Facade

構築 究 用 感性評

ムの に する関 研   —その   ニュ ラルネットワ クを いたー ー 価システム—

evaluation system in Kyoto Sannenzaka Preservation District for Groups of Historic Buildings  Part1 Kansei evaluation system employing neural network / A-2 防火 海洋 情報システム技術

, ( ), (2006-09)

部門 日本建築学会 学術講演梗 集 環境系概

12) 齋藤篤史 平原麻代 宗本順三 産寧坂 建地, , , 伝 区における建造物ファサ ドのー 評価システムの構築に

2 Facade evaluation

究 集合 結果 比較

する   その   ニュ ラルネットワ クとラフ による の

関 研 ー ー

system in Kyoto Sanneizaka Preservation District for Groups of Historic Buildings Part2 

(25)

표 2-1 신경망에 관련 연구

〈 〉

분 류 연구자 연구제목 연구내용

패턴인식

서동연 외 2 (2005)

건축형태 인지과정의 범주화에 관한 모형 비교 연구

건축형태에 대한 범주화가 진행되 는 과정을 유사성과 개념의 관점에 서 파악

감성예측

서동연 외 1 (2004)

시각 감성 예측을 통한 건축디자인 지원 방법에 관한 연구

사용자의 감성 예측하는 방법과 감성 형용사를 기반으로 디자인을 생성하는 방법을 다룸

건축형태의 인지

서동연 외 1 (2003)

인공지능에 의한 건축형태의 인지방법에 관한 연구

시각적 감성 등으로 전개하기 위한 기초적 단계의 연구로써 건축형태 에 대한 인간의 시각적 인지과정을 단순화한 모델을 인공지능으로 구 현

스케치의 인지 재구성

모델

서동연 외 1 (2003)

건축개념 프리핸드 스케치의 디지털 모델링

디자인 초기단계에서 프리핸드 개 념 스케치의 3D 디지털 모델링 변 환을 위한 스케치의 인지 재구성 모델과 이의 구현을 위한 CAAD 시스템을 제시

감성평가 모델

赤堀彰彦 외 3 (2006)

産寧坂 建地 における伝 区 建造物ファサ ドのー

評価システムの構築に する関 1

究 —その   研

파사드(facade) 형태요소로서 파사드가 전통적인가 아닌가를, 추정하는 시스템의 구축을 하여 유효성을 검증

감성평가 모델 비교

齋藤篤史 외 2 (2006)

産寧坂 建地 における伝 区 建造物ファサ ドのー

評価システムの構築に する関 2

究 —その   研

뉴럴네트워크에 의한 시스템에 있 어서 어떤 형태요소가 시스템의 평 가에 영향을 주고 있는가를 명확하 게 하여 평가의 타당성을 검증

Comparison of results by neural network and rough set theory / A-2 防火 海洋 情報システム

, ( ), (2006-09)

技術 部門 日本建築学会 学術講演梗 集 環境系概

(26)

건축공간감에 관련 연구 건축공간감에 관련 연구 건축공간감에 관련 연구 건축공간감에 관련 연구 2.

2.

2.

2.

국내에서 공간감에 관련된 기존의 연구를 살펴보면, 공간감 및 개방감 제시 기술개 발13), 초등학교 교실의 공간감14), 공간감 평가지표 예측15) 등이 연구되었다.

일반적인 감성공학적 방법론에 관련된 연구들이 주류를 이루고 있다 이러한 연구들을. 살펴보면 공간감과 개방감에 영향을 주는 다양한 공간 구성 요소를 가상현실 기술을, 이용하여 손쉽게 변경하여 제시할 수 있는 기술과 제시된 공간에서의 공간감 개방감을/ 평가할 수 있는 방법을 가지고 실제 공간과 이를 모사한 가상공간에서의 공간감 개방/ 감의 비교 평가 실험을 수행하였으며 이를 통해서 공간감 개방감 제시기술의 유용성, / 을 입증하였다 가상공간에서의 안구의 탐색 패턴에 관하여 추출되는 변수들 중에 중. 요한 변수는 응시 점의 분포와 공간의 크기 추정하는 지표로 사용된 안구의 수평 수직/ 운동의 비율이었다 이 두 가지는 공간감을 반영하는 중요한 지표를 제안하였다. .

깊이 폭 넓이 천정고에 대한 공간규모를 대상으로 하여 인식요소를 찾고 또한 그, , , 구조를 모델화하여 넓이감 깊이감 높이감, , , 벽면의 느낌, 교실의 색채의 다섯 가지 요소 를 측정의 지표로 선정하여 이들을 공간감의 분석대상으로 하였다.

음선 추적법의 개념을 역으로 적용하여 신경망에 입력된 공간정보를 가공하는 방법 과 지연시간 차에 따른 영향을 신경망에 인식시키기 위해 지연시간에 가중치를 적용하 는 방법으로 얻어진 신경망에 의해 공간감 평가 지표를 예측하였다.

.

감성공학에서는 제품 및 환경에 대한 인간의 오감에 근거한 다각적인 연구를 거듭하 고 있는 바 감성공학의 성과를 디자인 프로세스에 적용시키고 있다, .16) 감성공학적인 디자인 프로세스 시스템에서 주로 활용되고 있다.

김진은 실내 환경에 대한 쾌적 감성지표를 퍼지이론을 적용하여 도출하였다 감각이. 미지와 감성이미지를 구분하여 감각의 요인으로서는 온열감 밝기 공기맑기 소음을, , ,

13) 원광연외 감성공학 기반 기술 개발 공간감 및 개방감 제시 기술개발 보고서 과학기술부, ; , , 1998.

14) 차안나, 「초등학교 교실의 공간감에 관한 연구」, 조선대학교 석사학위논문, , 2006.

15) 정혁, 「5채널 마이크로폰 시스템을 활용한 공간감 지표 예측의 타당성에 관한 연구」, 전북대 학교 석사학위논문, , 2005.

16) 권영걸 공간디자인, 16 ,강 도서출판국제, 2003, p 284.

(27)

추출하였고 감성요인으로서는 신선감 상쾌감 안락감을 추출하였다 감각요소가 감성, , , . 요소이미지에 미치는 영향이 항상 같지 않고 각 감각 요소의 비율의 조합으로서 이루 어지는 것이므로 감각요소가 감성요소에 미치는 영향을 가중치로서 나타내었다 또한. 감각이미지가 감성이미지에 속하는 정도를 소속 값으로 표현하였는데 이것은 표본조, 사에서 추출된 빈도의 상대비율로서 구하여 0과 1사이의 값으로 변환하였다 이와 함. 께 환경의 물리적 요소와 감각요소와의 관계성을 퍼지구조 나타내기 위해서 물리적 값 과 감각요소간의 소속함수를 삼각퍼지함수로 나타내었다 이것은 비퍼지화는 퍼지값. 을 하나의 확정값 으로 변환하는 과정으로 하나의 대표적인 (fuzzy value) (crisp value)

숫자를 선택하는 것을 가리킨다 이러한 삼 단계의 과정을 거쳐 온도 소음 조명의 조. , , 합에 대해 쾌적감을 양적인 값으로 나타낼 수 있었다. 17)

백승열은 퍼지이론을 이용한 또 하나의 접근은 피 실험자의 응답을 퍼지집합 형태로 수집을 하기 위하여 퍼지이론을 응용할 필요성이 있는 모델이다 즉. SD기법으로 반응 을 묻는 한편 자신의 반응의 확실성을 함께 물음으로서 어떤 삼각함수를 사용할 지를 결정하는 것이다 확실하다의 경우 응답된 항목의 좌우 하나씩 모두 세 개의 항목에. 대한 집합을 구성하여 분석하며 그저 그렇다의 경우 응답된 항목의 좌우 두 단계의, 항목으로 집합을 구성하고 잘 모르겠다의 경우 좌우 세 단계의 항목을 집합으로 구성, 하여 자료를 수집한다 이러한 접근은 감성공학 연구에 하나의 방법을 제시하였다. .18)

백선경는 시각정보 종류는 색상 형태 질감 패턴으로 구분하여 감성의 정량화의 실, , , 현과 감성정보의 컴퓨팅이 실현을 위해 감성기반 이미지 검색 방안을 제안하였다 색. 상 형태 질감 패턴에 반응하는 형용사를 제시함으로서 이 형용사에 대해 피험자가, , , , 느낀 반응을 SD(Semantic Differential)기법으로 추출하여 이 자료에 대해 대응일치분, 석 요인분석을 하여 공간내의 감성과 시각정보의 의미 판별 계수를 찾아 지능형 이미, 지 검색 이용하였다.19)

17) 김진 조암, , ‘퍼지추론을 이용한 실내환경 쾌적감성과 감각과의 구조분석’, 대한인간공학회지, vol.18 no.2, 1999.

18) 백승령 박범, , ‘퍼지이론을 응용한 효율적 감성 수집과 분석에 관한 연구’, 대한인간공학회지, vol.17 no.1, 1998.

19) 백선경, 「감성기반 이미지 검색을 위한 시각정보 요소별 감성공간 생성」, 조선대학교 박사학,

(28)

이현정은 실내 공간계획에 있어 감성적 접근을 통해 사용자의 감성과 공간의 유형에 따른 목적을 만족시키기 위해 물리적 요소가 감성반응에 미치는 영향을 수량적으로 분 석하였다 감성 반응을 하야시 치오키. (林 知己夫)의 수량화 이론 Ⅲ류 분석법 수량화, 이론 Ⅰ류 분석법를 이용해 정량화 하였다.20)

조종규21)는 디자인정보의 체계적인 구축에 있어서 비정형적인 정보의 정형적 정보로 구축을 위한 퍼지집합이론을 적용하여 평가모델을 설정한 후 사례분석에서 퍼지가중, 평균을 이용하여 최적안을 선정하였다.

김숙기는 퍼지 신경망을 이용한 비선형의 색감 정보 디자인을 중심으로 사용자 색감 정보 디자인 방법 모델을 구현 하였으며 실증 분석을 통해 타당도 및 만족도 평가를, 하였다. 22)

감성공학은 애매한 성질을 지닌 감성을 취급하기 때문에 퍼지이론 신경망 기법과, 함께 소비자의 감성과 제품 선호도를 예측 가능하게 하는 모델로 사용되었다.

제 절 건축의 공간감과 감성 제 절 건축의 공간감과 감성 제 절 건축의 공간감과 감성 제 절 건축의 공간감과 감성 2 2 2 2

실공간의 지각 실공간의 지각 실공간의 지각 실공간의 지각 1. 1.

1. 1.

23)23)23)23)

공간규모 는 인간과 공간 신체와 공간 집합과 공간 지각과 공간으로 크

‘ ’ (1) , (2) , (3) , (4)

게 4개영역으로 분류하며 기존 연구들에 대한 세부적인 사항은 다음과 같다, . 인간과 공간의 경우는 점유공간 이동공간 지각공간이 있다

(1) , , .

위논문, 2007.

20) 이현정, 「실내공간 구성요소에 의한 감성반응 연구」, 울산대학교 석사학위논문, , 2005.

21) 조종규, 「퍼지집합을 이용한 건축 디자인정보 평가방법에 관한 연구」,동아대학교 석사학위논, 문, 2001.

22) 김숙기, 「지능형 감성 정보 시스템 디자인 방법론에 관한 연구」, 동서대학교 박사학위논문, , 2007.

23) 김수인 , 차안나 김종필 장동국, , 「초등학교 교실공간의 체적분석에 의한 공간감의 인식에 관한 연구」, 대한건축학회지회연합회논문집 제 권 제 호, 9 3 .

(29)

신체와 공간의 경우는 신체를 중심으로 한 좌표 척도 거리 개체거리 지각거리

(2) , , ( , ,

식별거리 만남의 거리 가 있다, ) .

집합과 공간의 경우는 집합의 원형 물리적 심리적 자아영역의 넓이 생활자세

(3) , ․ ,

와 심리적 자아영역 크기 주변영역 공간단위의 크기가 있다, , .

지각과 공간의 경우는 시환경의 특성 물체의 식별척도 및 거리분류 실공간의

(4) , ,

지각 실공간의 경계 실 공간의 시야넓이 천정고 이 있고 또 외부공간의 지각이 있다( , , ) , . 본 연구에서는 (4) 지각과 공간의 경우 중 실지각에 관한 것을 연구의 대상으로 선 정하였다 건축계획 원론적인 계획요소들 중에 병원계획의 실공간의 지각에 있어 적용. 가능한 요소들을 아래와 같이 도출하여 보면 다음 표〈 2-2〉과 같다.

표 2-2 치수로 규정하는 양

〈 〉 24)

크 기 위 치25)

구 성 재 공 간 구성재 공간

주변량

길이 차원 (1 )

길이 세로 가로 폭․ ․ 높이 두께․ 사이즈 주의의 길이

길이

길이 안길이 폭․ ․ 간격 사이․ 높이 클리어런스 주위의 길이

거리

최단의 거리 이동거리 높이 레벨차 리이치 넓이

차원

(2 ) 면적 면적 평면상 위치

용량 차원

(3 ) 체적 용적 공간상의 위치

보조량

형 비율 곡률 방정식․ ․ 비율 곡률 방정식․ ․ 분포형태 각도

각도 구배 시각 입체각․

각도 구배 시각

방향 방위각 시각 입체각․ 밀도

용적율 면적 용적( ․ ) 건폐율 공지율․ 천공건폐율

인당 넓이 1

인당 용적 1

인구밀도

분포밀도

24) 건축계획 도서출판 세진사 김광문외 역, , , 1977, p 315.

(30)

감성공학 감성공학 감성공학 감성공학

2. ( )

2. ( )

2. ( )

2. ( 感性工學 感性工學 感性工學 感性工學 )

감성공학(Kansei Engineering)이란 인간이 가지고 있는 이미지나 감성을 물리적인‘ 디자인 요소로 번역해 구체적으로 설계하는 기술이다 라고 정의한 히로시마 대학의’ 미츠오 나카마치(長田三生)에 의해 1970년대부터 연구되기 시작하였다 감성공학은 인. 간중심의 설계이며 물리적 편리성보다 정서적 만족을 궁극적인 목표로 하고 사용자의, , 감성을 정성 정량적으로 측정하고 과학적으로 분석하여 이를 제품이나 환경설계에 응, 용하여 보다 편리하고 안락하며 안전하고 더 나아가 인간의 삶을 쾌적하게 하고자, , , 하는 공학적인 접근방법을 말한다 그는 감성공학 엑스퍼트 시스템. (expert system)26)

휼리스

‘ (HULIS: Human Living System)’27)등을 개발하여 소비자의 감성을 디자인에, 접목시켜 인간의 감성을 디자인에 응용한 연구를 진행하고 있다.

감성 이미지 는 머릿속으로 상상하는 것만으로는 실현할 수 없기 때문에 그림으로( ) 눈에 보이게 하기 위해 시각화하며 이를 위해 컴퓨터를 사용했다 감성공학은 인간이. 오감을 통해 느끼는 감정과 기분을 과학적으로 분석하는 학문이라고 할 수 있다 쾌적. 감 세련됨 행복감 고급감 안정감 같은 긍정적 감정은 물론 불안감 불쾌감 긴장감과, , , , , , 같은 부정적 감정도 포함한 인간의 감성적 느낌을 시스템화하여 인간에게 적합한 제품 및 환경을 만드는 것이다. 28)

인간이 제품에 대한 이미지를 물리적 디자인 요소로 변환시키는 위한 기법으로는 여 러 가지가 있으나 감성공학분야에서는 미츠오 나카마치(長田三生)에 의한 일반적 3가

25) 치수는 위치를 규정한다 위치는 기준점 내지는 기준면으로부터 치수를 표시된다 이것을 거리. . 라하여 길이와 구별한다 손잡이의 위치는 바닥면으로 부터의 거리로 표시된다 실의 폭은 마루판. . 의 크기 폭 가 됨과 동시에 이 마루판의 상대가 되는 벽간의 거리가 되기도 한다 전자는 구성재( ) . 의 치수로써 후자는 공간 치수로써의 뜻을 지닌 양을 표시한 것이다 김광문외 인역 전게서, . 3 , , pp 315-316.

26) 엑스퍼트 시스템(expert system)는 특정 분야의 전문가들의 지식이나 추론 방법을 컴퓨터로 옮 겨 넣어서 전문가 이외의 사람들도 이와 같은 지혜를 이용할 수 있도록 만 든 인공지능 시스템의 일종 지식 베이스라 불리는 데이터베이스에 전문가의 지식을 격납하여 추론기능을 사용 일정한. , 판단을 내리는 장치이다.

27) HULIS(Human Living System)의 룰 베이스 지식베이스 및 이미지 베이스를( ) 20명의 디자이너로 부터 얻은 감성공학 전문가 시스템이다.

28) 오영근 건축감성디자인의 언어 인간척도론, ․ , Spacetime, 2003, p165.

(31)

지 분류방법이 일반적으로 받아들여지고 있다 감성공학 기법. Ⅰ Ⅱ Ⅲ, , 류 라고 명명되 었던 기법을 그 특서에 따라 각각 감성기능전개 형 다변량해석 형 가상현실 형으로, , 분류하면 다음과 같다.29) 다변량해석 형은 다변량 통계분석 중 수량화이론 류를 이용Ⅰ 한다 다변량 감성공학수법에서는. 2차에 걸친 SD척도의 구성에서 얻어진 평가치를 이 다변량 해석에 걸어 데이터베이스의 기반을 구축하게 되는 것이다 또한 가상현실 형. 은 가상현실(Virtual reality)기술을 이용한 것으로 컴퓨터 그래픽으로 표현된 가상의 세계를 직접 체험해 봄으로서 본인의 의도한 이미지와 적합한지를 보다 구체적으로 확 인할 수 있는 기술이다.

감성과 공간감 감성과 공간감 감성과 공간감 감성과 공간감 3. 3.

3. 3.

감성(感性)이란 외부로부터의 감각자극에 대한 반응 으로서 외부로부터의 감각정보‘ ’ 에 대하려 직관적(Intuitive)이고 순간적 반사적( , Reflective)으로 발생되는 쾌적감 불쾌, 감 불편함 등의 복합적인 감정이라 할 수 있다 또한 감성은 복합적이고 종합적인 느, . , 낌으로 명확한 표현이 어려운 동시에 개인과 환경변화에 따라 다양하게 변화되는 특, 성이 있다.30)

인간의 감정 충동 욕구 정욕 열정 등의 전체를 표시하거나 충동이나 감정 등을 통, , , , 하여 야기되는 행위들 전체를 나타내기도 한다 인간의 감성은 인체의 감각기관에 의. ‘ 하여 감지된 사물이나 환경에 대하여 인간이 갖는 느낌 이라고 이해할 수 있다’ .

감성을 인식론적 입장에서 보면 이성적 인식 과 감성적 인식 으로 볼 수 있다 인간‘ ’ ‘ ’ . 의 인식과정은 외부자극 인식대상 에 대해서 감각기관이 감지하여 감각정보로 전환되( ) 고 대뇌에 전달되어 이 감각정보와 기존의 지식체계와의 복잡한 인지적 상호작용을 통 하여 인식하는 것이다.

이와 같은 인지적 정보처리과정에서 의식적 논리적 사고부분은 이성적 인식에 속한, 다 이와는 반대로 매개 없이 감각적 지각적 수준으로 처리되는 부분을 감성적 인식이. 라고 규정할 수 있다(Arnheim.1988)31) 향후의 디자인은 인간의 오감을 통한 모든 감성

29) 윤광호 전게서, , p 11.

30) 김대식 감성제품개발론 형설출판사, , , 2007, p 13.

31) 감성과 이성적 인식에 대한 이해, http://blog.naver.com/sopy400/120015370049

(32)

적 요구사항을 체계화 이미지 데이터베이스화 를 통해 발전해 나가야 할 것이다 오감‘ ’ . 이 구매의사 결정에 영향을 미치는 정도는 시각-87%, 청각-7%, 촉각-3%, 후각-2%, 미각-1%의 순서로 나타난다.32)

실내공간에서 이루어지는 감성적 인식은 처음 어떤 공간에 들어섰을 때 그 공간특성 인 넓이 높이 깊이 밝기 색깔 소리 온도 가구 등 그 공간을 이루는 감성자극요소, , , , , , , 들의 조화에 의해서 그 공간을 인식하게 되고 이때 그 공간에 대한 분위기를 느끼게 된다 이렇게 특정 공간에서 느껴지는 이미지 감정을 공간감. , (空間感)이라고 할 수 있 다 하지만 이런 공간감은 모두에게 동일한 반응으로 나오는 것은 아니고 그 공간의. 체험자의 상태에 따라서 달라진다 공간체험자의 과거의 사건 경험 개인의 학. , , 습된 지 식들 심리적 차 등에 의하여 개인이 느끼는 공간의 분위기와 이미지는 다르게 된다, .

개방감(openness)은 인간이 시각을 통해서 받아들이는 공간의 크기에 대한 느낌 즉, 공간의식 지각적 지각적 용적감으로 정의하고 있다 비슷한 개념으로 서양의 공간감, , . 이 있는데 두 개념은 비슷하면서도 다른 의미를 가진 개념이라고 하겠 (spaciousness)

다 공간감은 공간 자체의 용적감을 나타내며 개방감은 공간과 공간을 둘러싸고 있는. 주변 환경과의 연계성 속에서 용적감이라 정의되고 있다.33)

인간이 공간에서 느끼는 것은 형용사로서 표현되는데 이제까지의 연구에 사용되고 있는 형용사를 보면 분위기를 나타내는 언어 감정을 나타내는 언어 공간이나 환경을, , , 기술하는 언어 비유적인 표현 등이 사용되고 있다 일반적으로 분위기는 미적 우호성, . , , 구성 형태 공간성 장식성 색채 청결함 크기 따뜻함 밝기 프라이버시 등, , , , , , , , , 20이상의 차원의 존재를 나타냈다34) 실내에서 공간감을 이루는 감성자극 요소로는 벽 천장 바, , 닥 창문 문 가구 조명 색채 온도 채광 소음 등이 있다 이러한 요소들을 조화로, , , , , , , , . 인하여 인간은 넓이감 깊이감 높이감 개방감 재질감 색채감 등을 느낄 수 있다, , , , , .

32) 한국디자인 포장센터, 1990.

33) 공간감 및 개방감 제시 기술개발 보고서 과학기술부, , 1998, p 29.

34) R. G. Hershberger(1972) Toward a set of semantic scales to measure the meaning of architectural environment. In W. J. Mitchell(ed) Environmental design : Research and Practice, EDRA3

(33)

예를 들어 넓이감의 경우 가장 많은 영향을 주는 요소는 바닥의 면적 천정높이 가, , 구의 밀도라고 할 수 있다 하지만 이것은 각각의 요소가 따로 영향을 미치는 것이 아. 니라 세 가지의 것들이 다 함께 작용하여 느껴지게 된다 아무리 바닥의 면적이 넓어. 도 바닥에서 천정까지의 높이가 낮다면 그 공간은 넓게 느껴지지 않는다.

또한 가구의 밀도가 많고 적음에 따라서 공간은 넓게도 좁게도 느껴지게 되는 것이 다. 또한 개방감의 경우에는 바닥의 면적과 천정 높이가 가장 많은 영향을 주는데 바 닥의 면적이 넓을수록 낮은 천정 높이에서 개방감을 느끼고 바닥 면적이 좁은 경우는 천정 높이가 높을수록 개방감을 느낀다고 할 수 있다.35)

본 연구에서 공간에 대한 감성 중에서 공간감의 평가에 주력하였다 건축계획 및. 설계과정에서 공간감의 개념을 반영하기 때문에 재질감과 색채감을 제외한 넓이감 깊, 이감 높이감 개방감 등을 선정요소로 하였다, , .

제 절 신경망 이론

제 절 신경망 이론

제 절 신경망 이론

제 절 신경망 3 3 3 3 (Neural Networks) (Neural Networks) (Neural Networks) (Neural Networks) 이론

신경망 연구의 목적은 인간에 가까운 능력을 가진 정보처리 시스템을 실현하는 것이 다 신경망은 순차적인 컴퓨터와 달리 인간의 뇌와 유사하게 지식 표현과 정보처리를. 병렬식으로 수행하는 병렬 연산 모델로서 그 활용분야가 매우 넓다.

컴퓨터의 발달과 더불어 인간과 같이 계산하고 판단하며 인식할 수 있는 컴퓨터를, 통한 인공지능의 구현을 위하여 많은 노력이 이루어지고 있으며 최근에는 패턴인식, , 광학 음성인식 문자인식 로봇 공학 등에서 기존의 컴퓨터 보다 우수한 인간의 두뇌, , , 를 모방한 신경망에 대한 연구가 계속되고 있다.

그러나 현재의 신경망 모델들은 지금까지 많은 발전이 있어 왔지만 실제 인간의 신 경시스템과는 아직까지도 많은 차이가 있다.36)

35) 高橋鷹志 외 정 무웅 정 혁진 옮김 환경과 공간 태림문화사, ․ , ‘ ’, , 2001.3, p 101.

36) 김대수 신경망 이론과 응용, ( ),Ⅰ 하이테크정보, 1999, pp1 7-18.

(34)

신경망 개요 신경망 개요 신경망 개요 신경망 개요 1.

1.

1.

1.

가 신경망 기원 가 신경망 기원 가 신경망 기원 가 신경망 기원 ....

인간 두뇌 활동을 응용한 신경망 모델의 기초가 1943년 맥컬럭(McCulloch.W 와 피) 츠(Pitts.W 가 주장한) “신경세포들을 단순히 연결한 신경망은 산술 및 논리연산을 수 행할 수 있다 로 시작한다” .

년 심리학자 헤브 는 두 뉴런 사이의 연결강도 를 조정할 수 있는

1949 (Hebb) (Weight)

최초의 인공 신경망의 학습규칙을 제안하였다 이후. 1957년에 로젠블래트(Rosenblatt) 가 어떤 타입의 패턴이 입력층에 주어진 이 모델이 반응하게 되는 연결강도의 집합을 스스로 발견하는 자동적인 절차를 발견하는 퍼셉트론(perceptron) 이란 최초의 신경망 모델을 제시 하였다.37)

년 민스키 와 파벳 은 라는 저서에서 퍼셉트론은

1969 (Minsky) (Papert) ‘Perceptrons’

와 같은 간단한 문제도 해결할 수 없다는 것을 밝혀냄으로써 신경 XOR(Exclusive-or)

망의 한계를 지적하였다 결국 실망한 신경망 과학자들은 연구 주제를 연결 주의 인공. 지능(Connectionism AI)에서 기호주의 인공지능(Symbolic AI) 분야로 돌리게 되었고, 신경망 이론은 20년간 침체되었다. 1980년대 초반에 홉필드(Hopfield)는 신경망에 물리 학의 에너지 개념을 도입한 홉필드(Hopfield) 신경망을 제안하였다 또한. 80년대 중반 에 룸멜하트(Rumelhrt)와 맥클랜드( McClelland)는 다층 퍼셉트론을 학습시킬 수 있는 오류역전파 학습알고리즘을 제안하였다.

이는 퍼셉트론과 같이 하나의 조정층으로 구성된 모델들의 한계점들 때문에 입력층, 출력층 그리고 한 개 또는 그 이상의 은닉층을 사용하는 모델들이 제시되었다 또한. 그룹에서 제안한 모델은 은닉층과 입력변수에 대 PDP(Parallel Distributed Processing)

한 예측값과 실제값에 대하 차이를 비교하며 그 차이를 줄여나가는 오차 정정 규칙인 백프로퍼게이션(back-propagation)학습알고리즘을 사용함으로써 선형분류 문제뿐만 아 니라 여러 가지 문제점들을 해결할 수 있는 계기를 마련하여 신경망 이론은 다시 부각 되었다.38)

37) 김대수 전게서, , p 68.

38) 김대수 전게서, , p 69.

(35)

나 신경망의 기본개념 나 신경망의 기본개념 나 신경망의 기본개념 나 신경망의 기본개념 ....

신경망이란 인간의 두뇌 작용을 신경세포들 간의 연결관계로 모델링(Modeling)한 것이라고 간단히 정의할 수 있다 인간의 두뇌는 무수히 많은 세포. (Cell)들과 이들을

상호 연결하는 신경(Neuron)들로 이루어져 있으며 이 세로들 사이의 정보교환은, 병렬적으로 수행되고 학습에 의하여 이러한 정보교환 기능이 향상된다고 한다, .

그림 2-1 생물학적 신경세포 뉴런( )39)

뉴런은 생체 속에서 정보처리를 위해 특별한 분화를 이룬 세포이다 뉴런의 구성은. 위의 그림과 같이 본체인 신경세포체(Soma)부분과 복잡하게 갈라진 수상돌기 라고 불리는 부분 그리고 마찬가지로 본체에서 한줄기 뻗어나왔다가 말단

(Dendrite) ,

에서 다수로 가라진 축색돌기(Axon)라고 불리는 부분의 세 부분으로 되어 있다 축색. 돌기는 신경세포체 본체로부터의 신호를 다른 전달하는 섬유(Nerve Fiber)이다 수상. 돌기는 다른 뉴런으로부터의 신호를 받아들이는 부분이다.

즉 다른 뉴런의 축색돌기 말단이 여기에 연결되어 있다 이 연결 부분을 시냅스, . 라 부른다 신경과학자들의 연구에 의하면 인간의 두뇌에서는

(Synapse) . 10개의 신

경세포들이 10개의 상호연결을 이루는 것으로 추정되고 있다 그림. 2-1은 일반적인 생물학적 뉴런의 구조를 보여준다.

39) 한학용 전게서, , p 337.

(36)

다 신경망의 특징 다 신경망의 특징 다 신경망의 특징 다 신경망의 특징 ....

신경망은 프르그램되지 않는다

(1) .

신경망은 예제(example)를 통하여 학습한다 이러한 예제 즉 기존의 사례들로부터 신. , 경망의 내부적인 연결강도를 조정한다 만일 훈련이 성공적이라면 입력패턴에 대한 정. 확한 답을 줄 수 있도록 내부적인 변수(parameter)들이 조정된다 일반적으로 학습 사. 례들의 집합은 내부적인 변수들이 점차로 조정될 수 있도록 여러 번 반복하여 제공된 다 사례를 통해 학습을 하는 신경망은 프로그램될 필요가 없는 컴퓨터 시스템을 만들. 수 있는 잠재력이 있다 이점이 바로 프로그램에 의해서만 작동되는 전통적임 컴퓨터. 와는 전혀 다른 점이다 컴퓨터 프로그램은 프로그래머에 의해 미리 정해진 순서를 따. 라 수행되는데 비하여 신경망은 입력값과 출력값이 주어지면 원하는 결과를 낼 수 있 도록 스스로 학습하는 것이다.

신경망 구조는 정보를 분산된 형태로 코드화한다

(2) .

신경망에 내장된 정보들은 전형적으로 많은 처리 장치들에 의해 저장된다 이런 유형. 의 코드화는 특정한 정보가 기억장치 내의 특정한 장소에 저장되는 전통적인 기억방법 과 매우 다르다 신경망은 여러 개의 처리장치들을 동시에 사용한다 따라서 내부적인. . 표현은 네트워크의 일부 또는 전체에 걸쳐 분산되어 있고 여러 패턴들이 같은 네트워, 크에 동시에 저장될 수도 있다 분산 저장 방법은 많은 장점들을 가지고 있는데 그 중. 가장 중요한 장점은 정보의 표현이 풍부하다는 것이다 그러므로 네트워크가 일부 파. 손되더라고 제대로 작동될 수 있다. 이런 면에서 신경망은 결합허용시스템(fault-

이다 tolerant system) .

신경망은 병렬 분산처리 된다

(3) .

뉴런의 신호전달은 0 1,000~ ㎐로 동작한다 이처럼 각 뉴런의 동작속도는 느리지만 다. 수의 뉴런에 의해 병렬 분산처리를 하여 고도의 정보처리를 빠른 시간 내에 처리한다.

기존의 디지털 컴퓨터가 한 개의 처리요소(processing element)에 의해서 순차적 처리 를 하는 반면에 신경망은 본질적으로 다수의 모듈과 서로 영향 (sequential processing)

을 주며 동시에 서로 다른 처리를 실행하는 병렬처리, (parallel processing)를 한다 즉. , 다수의 처리요소가 동시에 작동하는 병렬처리 머신의 일종이라고 볼 수 있다 이런 고. 도의 병렬성을 가진 시스템이 종래의 직렬형에는 없는 인간적인 능력을 발휘할 것으로 기대된다.40)

(37)

학습에 의한 지식과 프로그래밍에 의한 지식 (4)

인간의 뇌는 이전에 알지 못하던 것을 경험을 통해 습득하고 그것을 자신의 내부 상태 로 저장하는 학습능력을 가지지만 컴퓨터의 경우 학습 능력을 가지지 않는다 때문에. 신경망의 경우 어떤 일을 수행하기 위해 필요한 지식을 자기 스스로 사례학습을 통해 습득해 가는 반면 컴퓨터의 경우 어떤 일을 수행하기 위해 필요한 모든 지식을 프로, 그램이나 자료 형태로 사람에 의해 주어져야 한다 또한 신경망은 자신의 경험하지 못. , 한 입력에 대해서 자신의 내부 상태에 의해서 적절하게 반응할 수 있다.41)

신경망의 구조 신경망의 구조 신경망의 구조 신경망의 구조 2.

2.

2.

2.

가 뉴런의 인공적인 모델 가 뉴런의 인공적인 모델 가 뉴런의 인공적인 모델 가 뉴런의 인공적인 모델 ....

42)

뉴런의 인공적인 모델은 그림2-2와 같이 뉴런의 신경세포체에 해당하는 처리요소

와 이들 상호간의 연결 로 구성되어 있다

(PE: processing element) (interconnection) . 신경망에서 뉴런은 또한 처리요소(processing elements), 노드(nodes), 유닛(units), 또 는 셀(cells)로 칭하기도 한다(Lawrence, 1994).

의 동작

PE 은 위의 그림과 같이 여러 입력(X)을 받아 한 개의 출력(Y)을 내보낸 다 이러한. PE들을 연결하여 신경망을 만들었을 때 각 노드(Node)에 해당한다.

사이에는 신경섬유에 해당하는 선으로 연결되어 있다 신호는 한 방향으로만 전

PE .

달되고 연결 가중치()를 통하여 PE로 들어간다 이 가중치에 의하여 뉴런간의 결합. 강도가 표현된다.

가중치의 영향을 받은 입력 을 받아서 PE는 입력의 합 X를 계산한 후 활성함수 전이함수라고도 한다

(activarion function: ) 에 의하여 변경된 후 출력된다 출력값. 는 다음과 같이 표현될 수 있다

Y .

Y = (X) 여기서, X =

40) 김대수 전게서, , pp 34 39.∼

41) 이상원, Turbo C로 길들이는 학습하는 기계 신경망 한글기획, , 1998, pp 49-50.

42) 임영도 외 퍼지신경망유전진화 인솔미디어, ․ ․ , , 1999, pp 108-111.

참조

Outline

관련 문서

 시스템의 평균공간깊이(Mean Depth)의 이론적인 최대 최소값을 1과 0으로 만들고, 실제 Mean Depth 를 상대적인 값으로

다양한 번역 작품과 번역에 관한 책을 읽는 것은 단순히 다른 시대와 언어, 문화의 교류를 넘어 지구촌이 서로 이해하고 하나가

The index is calculated with the latest 5-year auction data of 400 selected Classic, Modern, and Contemporary Chinese painting artists from major auction houses..

1 John Owen, Justification by Faith Alone, in The Works of John Owen, ed. John Bolt, trans. Scott Clark, &#34;Do This and Live: Christ's Active Obedience as the

However, with the changes in the domestic and international environment after the reform and opening up, the new patriotism emerged in recognition of the

In addition, using the properties of water shown in diverse shapes, Ki Hyung-do's recognition on the reality and future consciousness from regression of

In this architectural design field, the space with new concept and organic space come into sight, escaping from the space concept in the geometric and

And this study speculates various themes and recognition on the world revealed in his poetry out of the theory of his image as a 'positive outsider'