뉴럴네트워크를 이용한 병원로비의 공간감에 관한 평가연구- 유효성 및 타당성 검증을 중심으로

Abstract

국 문 초 록

1. 배경 최근 건축계획 및 설계과정에서 건축디자인의 목적은 사용자 요구에 만족한 건물을 만드는 것으로 볼 수 있다. 이는 한정된 공간을 인간의 감성에 맞춘 효과적이면서 사용자의 요구에 만족하도록 하는 디자인 수법으로 효과적이고 쾌적한 인간․생활의 영위를 요구하는 사회 환경 변화에 의한 건축목적에 두는 것으로 하고 있다. 그러기 위해서 인간의 감성에 대한 예측과 평가는 이와 같은 배경에 따라 디자인너와 사용자 사이의 올바른 의사교환의 역할을 의도하고 있다.

2. 실험계획 내용 및 목적 본 논문은 건축공간의 평가를 신경망을 이용해 밝히고자 하는데 있다. 즉 시각을 통해 느끼는 3차원 공간에 대한 감성 중에서 공간감의 평가를 유효성과 타당성을 검증하는 내용이다. 연구대상은 국내 병원을 중심으로 그 로비를 공간으로 한정하였다. 분류를 위한 특징은 실지각을 위한 공간치수를 이용하였으며 공간치수의 값에 따라 공간감에 대한 학습패턴을 생성하고, 신경망을 학습하여 분류기를 구성하였고, 또 신경망의 학습알고리즘은 역전파 알고리즘을 사용하였다.

3. 실험방법 및 사례 등에 대한 내용 1) 신경망 인식기는 각각의 30개 병원 총 60개 병원에서 입력변수 26개와 바이어스 1개를 포함하여 27개, 히든노드는 1계층으로 4개를 사용하고 출력노드는 2개를 사용하여, 반복률은 1000번, 학습률은 0.089를 사용하였고, 입력변수 14개와 바이어스 1개를 포함하여 15개, 히든노드는 1계층으로 4개를 사용하고 출력노드는 2개를 사용하여, 반복률은 1000번, 학습률은 0.090를 사용하였다.

2) 구성된 모델은 자료를 분할하는 방법으로 학습용(training), 검증용(validation)으로 분할하여 학습용 데이터는 모형에서 가장 적합한 가중치(Weight)를 찾아서 모델을 만드는데 사용하고, 검증용 데이터는 만들어진 모델의 유효성을 평가하는데 사용한다. 3) 신경망 모델의 경우에 검증용 데이터세트는 훈련중지(stopping rule)를 결정하는데 사용하였고 학습용, 검증용 비율을 24, 6(8:2)과 27, 3(9:1) 으로 지정한 자료 분할방법을 이용한다.

4. 실험결과 1) 총 60개 병원데이터를 이용하여 학습시킨 검증용 신경망의 인식률은 입력변수 26개와 14개 모두 인식하여 100%를 나타남으로써 본 연구에서 구축된 신경망 프로그램의 유효성이 검증된 것으로 생각된다.

2) 건축 디자인과정에서 이용할 수 있는 공간감 평가모델로 분류한 데이터와 인간의 감성평가가 유사한 결과를 가지므로 공간감 평가의 타당성이 검증된 것으로 생각된다.

본 연구에서 구축된 신경망시스템은 공간치수의 실적자료에 의해 학습이 이루어지기 때문에 공간감의 평가에 활용할 경우, 기존의 주관적인 공간감 평가에 대한 새로운 접근방안으로 모색될 수 있을 것으로 판단된다. 또한 이러한 자료를 활용함으로써 디자인과정에서 감성에 대한 예측과 평가로 인해 디자이너와 사용자 사이의 올바른 의사교환에도 기여할 수 있을 것으로 사료된다.|Abstract

A Study on the Evaluation of Space Recognition in the Concourse of Hospital employing the Neural Networks - focusing on the Confirmation 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 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 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 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 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 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 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.