
- •Федеральное агентство по образованию
- •Глава 1. Теоретические основы нейросетевых технологий 4
- •Глава 2. Применение персептрона в оценке стоимости квартир 15
- •Глава 1. Теоретические основы нейросетевых технологий
- •1.1. История развития нейронных сетей
- •1.2. Искусственные нейронные сети
- •1.3. Проектирование нейронных сетей
- •1.4. Обучение нейронных сетей
- •1.5. Подготовка входных и выходных параметров
- •1.5.1. Подбор обучающих примеров
- •1.5.2. Предобработка обучающих примеров
- •1.6. Возможности нейросетей
- •1.6.1. Преимущества нейросетей
- •1.6.2. Задачи, решаемые с помощью нейросетей
- •1.6.3. Прикладные возможности нейронных сетей
- •Глава 2. Применение персептрона в оценке стоимости квартир
- •2.1. Проектирование модели
- •2.2. Исследование модели
Федеральное агентство по образованию
Государственное образовательное учреждение высшего профессионального образования
«ПЕРМСКИЙ ГОСУДАРСТВЕННЫЙ ПЕДАГОГИЧЕСКИЙ УНИВЕРСИТЕТ»
Факультет информатики и экономики
Кафедра прикладной информатики
КУРСОВАЯ РАБОТА
по дисциплине
Интеллектуальные информационные системы
на тему:
Оценка стоимости квартир
ИСПОЛНИТЕЛЬ: студентка гр. 1233
Теплова К. Ю.
НАУЧНЫЙ РУКОВОДИТЕЛЬ:
Ясницкий Л. Н.
П
Содержание
Введение 3
Глава 1. Теоретические основы нейросетевых технологий 4
1.1. История развития нейронных сетей 4
1.2. Искусственные нейронные сети 5
1.3. Проектирование нейронных сетей 8
1.4. Обучение нейронных сетей 9
1.5. Подготовка входных и выходных параметров 9
1.5.1. Побор обучающих примеров 9
1.5.2. Предобработка обучающих примеров 10
1.6. Возможности нейросетей 11
1.6.1. Преимущества нейросетей 11
1.6.2. Задачи, решаемые с помощью нейросетей 12
1.6.3. Прикладные возможности нейронных сетей 13
Глава 2. Применение персептрона в оценке стоимости квартир 15
2.1. Проектирование модели 15
2.2. Исследование модели 17
Заключение 21
Библиографический список 22
Приложение 23
Введение
Искусственные нейронные сети прочно вошли в нашу жизнь и в настоящее время широко используются при решении самых разных задач и активно применяются там, где обычные алгоритмические решения оказываются неэффективными или вовсе невозможными. Нейронные сети – исключительно мощный метод моделирования, позволяющий воспроизводить чрезвычайно сложные зависимости.
Нейронная сеть – это система, выполненная по образу и подобию человеческого мозга.
Главным отличием нейросетей от других методов, например таких, как экспертные системы, является то, что нейросети не нуждаются в заранее известной модели, а строят ее сами только на основе предъявляемой информации. Именно поэтому нейронные сети вошли в практику всюду, где нужно решать задачи прогнозирования, классификации, управления – иными словами, в области человеческой деятельности, где есть неформализуемые или трудно формализуемые задачи.
Оценка недвижимости является одной из наиболее востребованных и, вместе с тем, одной из наиболее сложных задач на рынке систем оценки и принятия решений. Сложность заключается, во-первых, в большом количестве факторов, влияющих на оценку. Во-вторых, сам характер факторов представляет существенную проблему – некоторые из них довольно сложно формализовать, например, «состояние объекта». В-третьих, рынок недвижимости достаточно динамичен, что подразумевает высокую скорость изменения значений параметров оценки с течением времени.
Нейронные сети могут быть альтернативой обычных методов, применяемых к оценке недвижимости, таких, как метод множественной регрессии и методы теории оценки недвижимости (доходный, затратный и сравнительный). Так как точность результатов полученных с помощью нейросетевых технологий может соперничать или даже превышать точность результатов, полученных при помощи традиционных методов оценки. Но в настоящее время нет окончательного вывода о том, какой метод лучше всего использовать. Одни источники говорят, что точность результатов, полученных с помощью нейросетевых технологий выше, чем точность результатов множественной регрессии, другие источники утверждают, что нейронные сети показывают более точные результаты, только при небольших объемах данных.
Нейросети могут применяться как в самом процессе оценки, так и на этапе выбора тех факторов, которые оказывают наибольшее влияние на формирование цены на недвижимость.
Целью данной работы является оценка стоимости квартир в Перми с использованием нейронных сетей. Для достижения данной цели были поставлены следующие задачи: изучение теоретических основ нейронного подхода, проектирование нейросети, обучение нейросети, подготовка входных и выходных параметров, определение факторов, влияющих на стоимость квартиры, построение модели для оценки недвижимости, исследование полученной модели.