Оценка недвижимости

Стоимость квартиры или дома зависит от большого числа факторов, таких как общая площадь, удаленность от центра, экологическая обстановка, престижность, тип дома, и т.д. Так как вид этих зависимостей неизвестен, то

стандартные методы анализа неэффективны в задаче оценки стоимости. Как

правило, эта задача решается экспертами-оценщиками, работающими в агентстве по недвижимости. Недостатком такого подхода является субъективность оценщика, а также возможные разногласия между различными экспертами. Система на основе нейронной сети (компания Attrasoft) способна эффективно решать широкий спектр задач объективной оценки стоимости недвижимости. Группа исследователей из университета г. Портсмут (Великобритания) в системе на основе нейронной сети использовала данные по оценке недвижимости из обзоров риэлтеровских фирм и списков аукционных цен. Результаты исследования показали, что система делает оценки стоимости близкие к оценкам лучших экспертов и специалистов данного профиля.

Применение нейронных сетей в экономике и бизнесе

Применение нейронных сетей в экономике и бизнесе основывается на возможности сетей прогнозировать тенденции развития тех или иных показателей. Известны применения нейронных сетей для прогнозирования изменения биржевых цен, стоимости акций и т.п. В таких задачах к входным параметрам предъявляются следующие требования: 1) входные данные должны быть представлены в числовом виде; 2) обучающие выборки должны быть большими. Но в рыночной экономике числовые показатели важны так же, как и психологические факторы, политика, которые могут хоть и кратковременно, но значительно изменять рыночные цены. Поэтому часто используют экспертные оценки ситуаций и выражают их числами, которые тоже учитываются как входные параметры нейронных сетей.

В рыночной экономике высока вероятность банкротства предприятий, фирм, целых корпораций, банков. Банкротство – самая значительная угроза для фирм. Но это не только ликвидация самой фирмы, этот процесс оказывает влияние на экономику в целом. Поскольку экономическая цена банкротств высока, существует необходимость в моделях, которые предсказали бы подобные события. Предупреждение о несостоятельности предприятий можно получить на основе моделирования с помощью нейронных сетей.

Заключение

Все чаще появляются научные работы, посвященных нейро-сетевым моделям, которые порождают все больше интересных, эффективных технологий для решения задач управления, планирования, распознавания образов и принятия решений. В этом разнообразии мы выделили лишь то направление, которое непосредственно связано с принципами человеческого интеллекта, с ассоциативным мышлением. Важнейшее значение нейронные сети приобретают при построении систем управления и принятия решений. Технологии, основанные на применении «вычислительных» алгоритмов, приводят к тупиковой ситуации, когда традиционно развиваемая элементно-конструкторская база не обеспечивает требуемой производительности компьютеров.

Благодаря логическому методу построения математический аппарат нейронных сетей прост и доходчив, разработка нейросети не дорога, она не требует специальных знаний пользователя. В то же время нейросеть легко допускает включение в рассмотрение новых факторов, изменение решений и т.д.