Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Пример курсовой от Богданова.doc
Скачиваний:
0
Добавлен:
01.05.2025
Размер:
933.38 Кб
Скачать

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.

Пермь 2008

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.