ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ СЕВЕРО-КАВКАЗСКИЙ РЕГИОН. 2016; 3: 38-45
http://dx.doi.org/10.17213/0321-2653-2016-3-38-45
НЕЙРОСЕТЕВЫЕ МЕТОДЫ АНАЛИЗА ДАННЫХ В ОЦЕНКЕ НЕДВИЖИМОСТИ
Сурков Федор Алексеевич – канд. физ.-мат. наук, доцент, зав. кафедрой «Глобальные информационные системы», Институт математики, механики и компьютерных наук им. И.И. Воровича, г. Ростов-на-Дону, Россия. E-mail: sur@gis.sfedu.ru
Петкова Наталья Винедиктовна – канд. эконом. наук, доцент, Институт математики, механики и компьютерных наук им. И.И. Воровича, г. Ростов-на-Дону, Россия. E-mail: petkova@sfedu.ru
Суховский Сергей Федорович – аспирант, Институт математики, механики и компьютерных наук им. И.И. Воровича, г. Ростов-на-Дону, Россия. E-mail: suhovskiy@sfedu.ru
Аннотация
Рассмотрены проблемы управления рынком недвижимости при условии отсутствия набора данных достаточного качества для моделирования рынка недвижимости. Проанализированы статистические методы анализа данных и установлены их недостатки. Выявлена и обоснована необходимость использования современных инновационных методов, основанных на применении нейронных сетей. На основе проведенного исследования предлагается разработать методологию оценки недвижимости, основанную на механизмах нейросетевого анализа данных, а также провести сравнение построенной модели оценки недвижимости с традиционной статистической моделью.
Ключевые слова: оценка недвижимости; нейронные сети Кохонена; статистические методы
Полный текст: [in elibrary.ru]
Ссылки на литературу
1. Генри С. Харрисон. Оценка недвижимости. М.: РИО, 2004. 230 с.
2. Назаров А.В., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. СПб.: Наука, 2003. С. 201 – 243.
3. Заде Л.А. Понятие лингвистической переменной и её применение к принятию приближенных решений. М.: Мир, 1976. 163 с.
4. Вапник В.Н. Восстановление зависимости по эмпирическим данным. М.: Наука, 2012. С. 29 – 74.
5. Кохонен Т., Дебок Г. Анализ финансовых данных с помощью самоорганизующихся карт. М.: Альпина, 2001. С. 22 – 71.
6. Рутковская Д., Пилиньский М., Рутковский Л.. Нейронные сети, генетические алгоритмы и нечеткие системы. М., 2006. 385 с.
7. Питенко А.А. Нейросетевой анализ в ГИС: Автореф. дис. … канд. техн. наук. Красноярск, 2000. 97 с.
8. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993. 278 с.
9. Леоненков А.В. Нечёткое моделирование в среде MAT-LAB и fuzzyTECH. СПб.: БХВ-Петербург, 2005. С. 83 – 145.
10. Медведев B.C., Потёмкин В.Г. Нейронные сети. Matlab 6. М.: ДИАЛОГ-МИФИ, 2008. 496 с.
11. Суховский С.Ф. Использование нейросетевых технологий при распознавании спутниковых снимков. Суть и особенность нейросетевых методов / Южный федеральный университет // Рубикон: сб. науч. работ молодых ученых. 2014. Вып. 64, С. 75 – 76.
12. Суховский С.Ф. Топология земель с помощью нейронных сетей // Применение нейронных сетей для целей территориального планирования: Тез. докл. XI ежегодной науч. конф. студентов и аспирантов, базовых кафедр ЮНЦ РАН. Южный Научный Центр РАН. Ростов н/Д., 2015. С. 75 – 77.