Оптимизация нейросетевого алгоритма описания земельного рынка


https://doi.org/10.20914/2310-1202-2016-2-293-298

Полный текст:


Аннотация

Показаны преимущества использования нейросетевых технологий по сравнению с традиционными при описании динамически меняющихся систем, к которым относится и современный земельный рынок. Выявлена основная трудность, возникающая во время практических реализаций нейросетевых моделей рынка земли и строительной продукции, состоящая в формировании репрезентативного набора обучающих и тестовых примеров. Определены требования, выполнение которых необходимо для корректного описания современной экономической ситуации, заключающееся в том, что тренировочное множество в пространстве признаков не должно иметь областей с малой плотностью наблюдений. Сформулированы методы оптимизации эмпирического массива, позволяющие избежать далёкой экстраполяция данных из областей сгущения набора примеров. Показано, что радикальный метод оптимизации набора обучающих и тестовых примеров, заключающийся в сборе дополнительной информации, для экономических задач обычно сопряжён со значительными затратами ресурсов и времени и по соотношению затраты/отдача менее эффективен, чем алгоритм оптимизации нейросетевых моделей земельного рынка на фиксированном наборе эмпирической информации. Подробно проанализирован алгоритм оптимизации, основанный на преобразовании массивов информации и заключающийся в растяжении областей сгущения набора примеров, а также сжатия областей малой плотности наблюдений. На конкретном примере рынка земельных участков Воронежской области, предназначенных для дорожного строительства, продемонстрировано значительное уменьшение относительной ошибки описания цены земельного участка, что с учётом значительной абсолютной стоимости земли делает рентабельным применение даже радикального метода оптимизации эмпирического массива. Продемонстрирована высокая экономическая эффективность применения предложенных алгоритмов.

Об авторах

М. А. Карпович
Воронеж. гос. архитектурно-строительный ун-т

доцент, кафедра экономики и основ предпринимательства, 

ул. 20-летия Октября, 64, г. Воронеж, 394006



Е. Г. Фролова
Воронеж. гос. архитектурно-строительный ун-т

аспирант, кафедра экономики и основ предпринимательства, 

ул. 20-летия Октября, 64, г. Воронеж, 394006



Список литературы

1. Грешилов А.А. Математические методы принятия решений, М.: МГТУ им. Н.Э. Баумана, 2006, 583 с.

2. Stanley J. Introduction to Neural Networks. Sierra Madre, CA // California Scientific Software. 2011. 311 p.

3. Hinton. G.E., Sejnowski. T.J. Learning and Relearning in Boltzmann Machines // P-rullel Distributed Proceedings. 1996. V. 11. P. 282–317.

4. Цыпкин А.И. Нейронные сети: История развития теории. М.: ИПРЖР, 2011, 517 с.

5. Бир С. Мозг фирмы. М.: Радио и связь, 1993. 524 с.

6. Eldon Y. L., San-Hsing, Ming-Hsiung, Chia-Yi Applications Artificial neural networks and their business applications // Information & Management. Institute of Information Management, National Chung Cheng University of Taiwan, R.O.C. 2014, P. 303–313.

7. Фролов Ю.В., Пастухов Е.С. Мониторинг изменений в банковском сообществе России с применением самоорганизующихся карт Кохонена // Банковские технологии. 2012. № 11.

8. Недосекин А.О., Заболоцкий С.Н. Подход к учету долговых обязательств в программах фондового менеджмента // Аудит и финансовый анализ. 2001. № 1. 31 с.

9. Карпович М.А. Нейросетевые методы оценки затрат на научно исследовательские и проектно-изыскательские работы // Вестник Воронежского государственного университета инженерных технологий». 2014. № 1. С. 235–240.

10. Галушкин А.И. Применения нейрокомпьютеров в финансовой деятельности. Новосибирск: Наука, 2002. 215 с.

11. Barron A.R. Predicted Squarer Errors: A Criterion for Automatic Model Selection. New York: Marcel Dekker, 2006. 311 p.


Дополнительные файлы

Для цитирования: Карпович М.А., Фролова Е.Г. Оптимизация нейросетевого алгоритма описания земельного рынка. Вестник Воронежского государственного университета инженерных технологий. 2016;(2):293-298. https://doi.org/10.20914/2310-1202-2016-2-293-298

For citation: Karpovich M.A., Frolovа E.G. Optimization of neural network algorithm of the land market description. Proceedings of the Voronezh State University of Engineering Technologies. 2016;(2):293-298. (In Russ.) https://doi.org/10.20914/2310-1202-2016-2-293-298

Просмотров: 182

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2226-910X (Print)
ISSN 2310-1202 (Online)