• 헤리티지:역사와 과학
• /
• 제56권1호
• /
• pp.22-43
• /
• 2023

본 논문은 만공이 1924년에 조성한 정혜사 석조관음보살입상에 대해 다루고 있다. 정혜사 석조관음보살입상은 만공이 제작한 현존하는 가장 이른 시기의 불상으로, 정혜사가 중창되는 과정에서 상징성이 부여된 작품이다. 지금까지 만공이 주도한 불사와 구체적 유물을 통해 사상과 신앙에 접근한 연구는 없었다. 본 연구에서는 만공이 남긴 법어와 일화 및 일제강점기 신문기사 등을 활용하여, 만공이 주석하던 시기 정혜사와 수덕사의 역학 관계를 추적하고 대형 보살상 조성으로 얻은 효과와 그 조성 위치가 갖는 의미에 대해 고찰하였다. 이를 위해 당시 조각을 담당했던 석장 후손과의 면담을 시도하여 정확한 공사 기간과 장인의 명단을 확인하였다. 정혜사 석조관음보살입상에서 보이는 이중보개와 방형보관, 신체에 비해 크게 표현된 손, 두부와 신체의 비례, 석주(石柱)와 같은 체구에서 느껴지는 괴량감 등은 관촉사 석조보살입상에서 영향을 받은 것으로 판단하여 고려 초기에 제작된 관촉사 석조보살입상이 어떻게 근대기 보살상 조성에까지 영향을 미칠 수 있었는지에 대해 살펴보았다. 또한 일제강점기 철도 부설을 계기로 시작된 관촉사 참배와 1929년에 개최된 조선박람회에서 충남을 대표하는 상징으로 활용된 관촉사 보살상의 이미지가 양식의 계승과 변용이라는 관점에서 어떻게 활용되었는지 다각적인 분석을 시도하였다. 본 연구를 계기로 근대기를 대표하는 선사 만공에 대한 이해와 근대기 한국 불교조각 연구의 지평이 넓어지길 기대한다.

• 한국전통조경학회지
• /
• 제41권4호
• /
• pp.8-20
• /
• 2023

전통조경 시설물은 역사성과 진정성을 가진 기법에 따라 수리되어야 하지만 현행 문화재수리 표준시방서의 수리기준은 실무적 차원의 기본지침에 해당하며, 구체적인 사례를 통해 세부기법을 분석한 연구도 많지 않다. 본 연구는 조선시대 관영공간의 화계, 연못, 수로, 포장을 중심으로 역사적 사실에 근거한 수리기법을 시론하였다. 첫째, 화계는 석축 부재의 재료와 마감, 구조 강화와 뒤채움 재료, 상부 표토면 보호 조치를 분석하고, 기초보강용 석재와 교착용 미장재, 석재의 가공기법 등을 도출하였다. 특히 쇠시리와 모접기를 통한 세밀한 장대석 가공법, 기초보강용 엄석과 유회의 사용은 화계의 독특한 수리기법 중 하나로 확인되었다. 둘째, 연못의 경우 호안 석축의 재료와 구조, 기초부 보강과 누수 방지 기법을 살펴보면서 지정공사, 구부재 활용, 수질 관리 등에 관한 특징을 도출하였다. 고임쇠와 심석을 통한 내구성 강화, 기초부 강화를 위한 말뚝지정, 오물 유입 방지를 위한 사초 피복 등이 주목할 만한 수리기법으로 확인되었다. 셋째, 수로는 축조 재료, 기초부 강화와 누수 방지 조치, 수해 예방 조치를 중점적으로 파악하면서 덮개돌 마감 방식, 지정과 뒤채움 재료, 유속 저감 방법 등의 수리기법을 파악하였다. 수량에 따른 다양한 바닥 재료, 누수 방지를 위한 강회 마감 등이 주요 수리기법으로 주목되며, 날개벽과 낙차공 등은 수로 내부의 충파와 유속 관리를 위한 조치로 확인되었다. 넷째, 포장은 기초부 구성, 부속 재료와 도구, 사초 활용 등에 관한 실제 사례를 제시하였다. 사초 피복을 통한 박석 고정, 세승으로 불린 기준실 사용 등이 주요 수리기법 중 하나였으며, 특히 방전장으로 불린 방전 포설 전문장인의 존재가 새롭게 확인되었다. 본 연구가 전통조경 시설물의 수리기법 발굴을 위한 출발점이 되고, 향후 시방서 개정을 위한 기초자료로 활용되길 기대한다.

• 헤리티지:역사와 과학
• /
• 제57권2호
• /
• pp.118-141
• /
• 2024

본 연구는 고문헌(古文獻) 기록과 도상자료(圖像資料)를 조사·분석하여 조선시대 수해 방지를 위해 계획적으로 조성된 한양도성(漢陽都城) 내 청계천(淸溪川) 가산(假山)에 식재된 버드나무 수책(樹柵)에 대해 고찰하였다. 그동안 버드나무에 관련된 연구 사례는 있었으나 버드나무의 구체적인 활용사례와 그 역사적 배경을 조사·분석하여 그 원형적 가치를 파악하는 데 목적을 두고 진행된 연구는 찾아보기 어렵다. 이에 본 연구는 조선시대 청계천에 조성된 버드나무 수책의 사례를 확인하고 조성 배경과 지역적 특징을 조명함으로써 그 가치를 재해석하고자 하였다. 본 연구의 주요 내용은 다음과 같다. 조선시대의 수재(水災)는 제일 큰 위해 요소로 작용하였을 것으로 추정된다. 16~18세기 조선은 홍수로 인한 피해가 심각하였다. 영조 시기에 이르러서는 도성의 사산(四山)이 모두 민둥산이 되었는데, 이는 잦은 홍수의 원인이 되었다. 1760년(영조 36)에 영조는 준천사업(濬川事業)을 통해 장마 때마다 넘치는 청계천 바닥을 준설하고 오간수문 양안에 조성된 가산에 버드나무 수책을 조성하여 수해를 예방하고 토양의 유실을 방지하는 조치를 시행하였다. 영조 시기인 18세기 중반에 제작된 《광여도(廣輿圖)》 속의 <도성도(都城圖)>에는 오간수문(五間水門) 앞에 조성된 가산이 보이고, 『신증동국여지승람(新增東國輿地勝覽)』의 기록에서 1760년(영조 36)에 버들을 양쪽 가산에 심었다는 기록을 검증하였으며, 1770년(영조 46) 제작된 <한양도성도(漢陽都城圖)>를 통해 18세기 후반에는 오간수문 근처의 가산 위 버드나무가 숲을 이루어 우거졌던 사실도 확증하였다. 또한 『조선왕조실록(朝鮮王朝實錄)』이나 『승정원일기(承政院日記)』, 『일성록(日省錄)』 등의 고문헌 기록을 통해 청계천 준천사업과 버드나무 수책의 조성이 조선 전기인 15세기부터 조선 후기인 19세기 말까지 계속되었다는 사실을 확인하였다. 본 연구는 홍수 및 수해 방지는 물론 아름다운 경관을 형성하는데 큰 바탕이 되었던 조선시대 버드나무 수책의 조성사례와 그 활용성을 조사함으로써 버드나무가 고유한 문화유산이자 전통 경관자원이었음을 알리고, 버드나무의 역사적 의미를 되새기는 데 의의가 있다.

• 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.

• 지능정보연구
• /
• 제19권2호
• /
• pp.125-140
• /
• 2013

어떤 클래스에 속한 레코드의 개수가 다른 클래스들에 속한 레코드의 개수보다 매우 많은 경우에, 이 데이터 집합을 '불균형 데이터 집합'이라고 한다. 데이터 분류에 사용되는 많은 기법들은 이러한 불균형 데이터에 대해서 저조한 성능을 보인다. 어떤 기법의 성능을 평가할 때에 적중률뿐만 아니라, 민감도와 특이도도 함께 측정하여야 한다. 고객의 이탈을 예측하는 문제에서 '유지' 레코드가 다수 클래스를 차지하고, '이탈' 레코드는 소수 클래스를 차지한다. 민감도는 실제로 '유지'인 레코드를 '유지'로 예측하는 비율이고, 특이도는 실제로 '이탈'인 레코드를 '이탈'로 예측하는 비율이다. 많은 데이터 마이닝 기법들이 불균형 데이터에 대해서 저조한 성능을 보이는 것은 바로 소수 클래스의 적중률인 특이도가 낮기 때문이다. 불균형 데이터 집합에 대처하는 과거 연구 중에는 소수 클래스를 Oversampling하여 균형 데이터 집합을 생성한 후에 데이터 마이닝 기법을 적용한 연구들이 있다. 이렇게 균형 데이터 집합을 생성하여 예측을 수행하면, 특이도는 다소 향상시킬 수 있으나 그 대신 민감도가 하락하게 된다. 본 연구에서는 민감도는 유지하면서 특이도를 향상시키는 모델을 개발하였다. 개발된 모델은 Support Vector Machine (SVM), 인공신경망(ANN) 그리고 의사결정나무 기법 등으로 구성된 하이브리드 모델로서, Hybrid SVM Model이라고 명명하였다. 구축과정 및 예측과정은 다음과 같다. 원래의 불균형 데이터 집합으로 SVM_I Model과 ANN_I Model을 구축한다. 불균형 데이터 집합으로부터 Oversampling을 하여 균형 데이터 집합을 생성하고, 이것으로 SVM_B Model을 구축한다. SVM_I Model은 민감도에서 우수하고, SVM_B Model은 특이도에서 우수하다. 입력 레코드에 대해서 SVM_I와 SVM_B가 동일한 예측치를 도출하면 그것을 최종 해로 결정한다. SVM_I와 SVM_B가 상이한 예측치를 도출한 레코드에 대해서는 ANN과 의사결정나무의 도움으로 판별 과정을 거쳐서 최종 해를 결정한다. 상이한 예측치를 도출한 레코드에 대해서는, ANN_I의 출력값을 입력속성으로, 실제 이탈 여부를 목표 속성으로 설정하여 의사결정나무 모델을 구축한다. 그 결과 다음과 같은 2개의 판별규칙을 얻었다. 'IF ANN_I output value < 0.285, THEN Final Solution = Retention' 그리고 'IF ANN_I output value ${\geq}0.285$, THEN Final Solution = Churn'이다. 제시되어 있는 규칙의 Threshold 값인 0.285는 본 연구에서 사용한 데이터에 최적화되어 도출된 값이다. 본 연구에서 제시하는 것은 Hybrid SVM Model의 구조이지 특정한 Threshold 값이 아니기 때문에 이 Threshold 값은 대상 데이터에 따라서 얼마든지 변할 수 있다. Hybrid SVM Model의 성능을 UCI Machine Learning Repository에서 제공하는 Churn 데이터 집합을 사용하여 평가하였다. Hybrid SVM Model의 적중률은 91.08%로서 SVM_I Model이나 SVM_B Model의 적중률보다 높았다. Hybrid SVM Model의 민감도는 95.02%이었고, 특이도는 69.24%이었다. SVM_I Model의 민감도는 94.65%이었고, SVM_B Model의 특이도는 67.00%이었다. 그러므로 본 연구에서 개발한 Hybrid SVM Model이 SVM_I Model의 민감도 수준은 유지하면서 SVM_B Model의 특이도보다는 향상된 성능을 보였다.

• 미술자료
• /
• 제98권
• /
• pp.22-53
• /
• 2020

본 논문에서는 감산사(甘山寺)의 아미타불상(阿彌陁佛像)과 미륵보살상(彌勒菩薩像)의 광배(光背)에 각각 새겨진 조상기(造像記)를 재검토함으로써, 통일신라기 불상을 대표하는 걸작이자 기준작인 두 상을 새롭게 이해하고자 하였다. 이를 요약하면 다음과 같다. 먼저 I장에서는 '근대적 발견' 이래 지난 100년간의 연구 성과를 네 시기로 나누어 검토한 다음, 필자의 새로운 관점과 방법론을 제시하였다. 이어서 II장에서는 기왕의 미륵보살상>아미타불상의 위차(位次)를 비판하고 조상기를 재검토한 후 두 상의 배치와 외관에 근거하여 아미타불상>미륵보살상의 위차가 옳음을 논증하였다. III장에서는 마지막까지 판독 불능으로 남았던 두 글자를 처음으로 판독하고, 이를 포함하여 기존에 의미가 불분명하였던 몇몇 구절을 새롭게 해석하였다. 아울러 아미타불상조상기와 미륵보살상조상기의 문장 구조를 비교하고 조상기의 찬자와 서자에 대하여 새로운 해석을 시도하였으며, 서체(書體) 연구는 앞으로의 과제로 남겨두었다. 끝으로 IV장에서는 조상기의 내용을 조상주(造像主)와 조상(造像) 및 발원(發願)으로 나누어 재검토하였다. 특히 필자는 '돌아가신 부모님을 위하여'라는 조상기의 구절이 상투적인 표현에 그치지 않고 실질적인 의미가 있음을 밝히고자 하였다. 결론적으로 말하자면 다음과 같다. 김지성(金志誠)이 돌아가신 부모를 모두 화장해서 동해 바닷가에 산골하였기 때문에, 나중에 부모를 추모하려 해도 그 마음을 의지할 물질적 표지(標識)가 없었다. 그래서 만년의 김지성은 감산전장(甘山田莊)을 희사하여 절로 삼고, 여기에 돌아가신 부모님을 위하여 돌로 각각 아미타불상과 미륵보살상을 조성하되, 부모님의 실제 모습을 투영하여 상(像)의 존용(尊容)을 사실적으로 조각하고 그 정혈(頂穴)에 부모의 상징물을 안치하였다고 해석하였다. 두 상 가운데 특히 미륵보살상은 관(冠)에 화불(化佛)이 있는 입상(立像)인데, 미술사학자들이 지적하였듯이, 이러한 도상(圖像)의 미륵보살상은 동아시아 불교조각사에서 그 유례를 찾아보기 어려워서, 도상적 특징만 본다면 십중팔구 관음보살상이라고 간주할 것이다. 반대로 조상기만 읽는 사람들에게는 의심할 여지없이 미륵보살상이다. 김지성은 돌아가신 어머니가 내세(來世)에는 도솔천에 상생(上生)하기를 기원하였기에 도솔천을 주재하는 미륵보살상을 만들기로 하되, 그 상에 자모(慈母)의 이미지를 투영하기 위하여 자비(慈悲)의 화신인 관음보살상의 도상을 취했던 것이다. 이것은 아미타불상도 마찬가지여서, 돌아가신 아버지의 극락왕생을 희구하여 아미타불상을 조성하되 모든 불교도의 자부(慈父)인 석가여래상의 도상을 차용하였다고 유추된다. 후대의 추모자들이 정면에서 상[Image]을 친견하고 뒤로 돌아가서 조상기[Text]를 읽었다면, 그들은 김지성의 부모님을 향한 추모의 마음에 깊이 공감하였을 것이다.

• 마케팅과학연구
• /
• 제17권4호
• /
• pp.141-173
• /
• 2007

본 연구는 점포를 방문하는 동안 노출되는 매장의 물리적 환경 특성이 서비스 브랜드 개성과 재구매의도에 미치는 영향력을 규명하기 위해 시도되었다. 이를 위해 연구모형을 개발하여, 특정 서비스 브랜드의 이용객을 대상으로 설문조사를 실시하고 구조방정식을 이용하여 분석하였다. 연구 결과는 우선, 서비스의 물리적 환경은 주변요인, 디자인요인, 사회요인으로, 그리고 서비스브랜드 개성은 유능함, 성실함, 흥분됨, 세련됨, 강인함 차원으로 분류되었다. 둘째, 물리적 환경의 모든 차원들이 모든 서비스 브랜드 개성차원에 정(+)의 영향을 주었으며, 물리적 환경의 서비스 브랜드 개성에 대한 영향력은 각 차원별로 상이하였다. 셋째, 서비스 브랜드 개성은 모두 재구매의도에 정(+)의 영향을 주었으며, 특히 세련됨 차원에 미치는 영향이 가장 켰다. 넷째, 서비스의 물리적 환경은 재구매의도에 정(+)의 영향을 주었으며, 특히 물리적 환경 중 사회요인이 재구매의도에 가장 큰 영향을 주는 것으로 나타났다. 이와 같은 결과들은 물리적 환경 연출은 브랜드 개성 형성의 결정요인으로 서비스 브랜드 차별화의 핵심요인으로 작용하므로, 호의적인 브랜드 개성 창출을 위해서는 우선적으로 물리적 환경에 대한 효율적 관리 방안이 강구되어야 함을 보여준다.