Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "perceptron wielowarstwowy" wg kryterium: Temat

  Lista filtrów
Wyrównaj
Wyświetlanie 1-10 z 12
Tytuł:
Sygnały diagnostyczne w diagnozowaniu wyposażenia elektrycznego samochodów
Diagnostic signals in diagnosing of motor-cars electrical equipment
Autorzy:
Jastriebow, A.
Gad, S.
Słoń, G.
Zawadzki, A.
Pawlak, M.
Powiązania:
https://bibliotekanauki.pl/articles/328642.pdf
Data publikacji:
2004
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
diagnostyka
pomiarowe sygnały symptomowe
perceptron wielowarstwowy
diagnostics
measured symptom signals
multilayer perceptron
Opis:
Przedstawiono ogólny schemat wyposażenia elektrycznego samochodu. Opisano diagnostyczne sygnały symptomowe i powiązane z nimi uszkodzenia. Zaprezentowano przykłady pomiarów sygnałów diagnostycznych dla obwodu zasilania energią elektryczną. Przedstawiono wyniki zastosowania wielowarstwowych perceptronów do komputerowego diagnozowania z wykorzystaniem pomiarowych sygnałów diagnostycznych.
General diagram of motor-car's electrical equipment has been presented. Diagnostic symptom signals and faults related to that signals has been described. Examples of measurements of diagnostic signals for power supply circuit have been shown. Results of applying of multilayer perceptrons for computer diagnosing with using of measured diagnostic signals have been presented.
Źródło:
Diagnostyka; 2004, 32; 139-142
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Using artificial neural networks to determine the location of wind farms. Miedzna district case study
Wykorzystanie sztucznych sieci neuronowych do wyznaczania lokalizacji elektrowni wiatrowych na przykładzie gminy Miedzna
Autorzy:
Pokonieczny, K.
Powiązania:
https://bibliotekanauki.pl/articles/292489.pdf
Data publikacji:
2016
Wydawca:
Instytut Technologiczno-Przyrodniczy
Tematy:
artificial neural networks
multilayer perceptron
wind farms localization
elektrownie wiatrowe
perceptron wielowarstwowy
sztuczne sieci neuronowe
Opis:
The article concerns issues pertaining to of selecting suitable areas for wind farms. The basic assumption of the study was to take into account both criteria related to the profitability of this type of power plant, as well as public interest, which means the harmonious and not burdensome functioning of these installations for local communities. The problem of wind farm localization may be solved by the application of artificial neural networks (ANN), which are a computational intelligence element. In the conducted analysis, the possibility of wind farm localization was considered for the primary grid field with dimensions of 100 by 100 m. To prepare the training set, topographic vector data from the VMap L2 and SRTM (Shuttle Radar Topography Mission) digital terrain model were used. For each 100-meter x 100-meter grid, the input data was prepared, consisting of the factors which are important from the point of view of wind farm localization (forests, rivers, built-up areas etc.). Studies show that a properly trained neural network (using a representative number of samples and for the appropriate architecture), allows to process automation area classification in terms of placement on the wind turbines.
Zgodnie z obowiązującymi w Polsce regulacjami prawnymi użytkowanie elektrowni wiatrowych podlega odpowiednim uwarunkowaniom. Obostrzenia te dotyczą zarówno parametrów technicznych tych urządzeń, które związane są z bezpieczeństwem ich eksploatacji, jak i uwarunkowaniami przestrzennymi, związanymi z lokalizacją tych elektrowni oraz ich odległości od takich elementów pokrycia terenu, jak zabudowa czy lasy. Problematyka ta jest szczególnie istotna w kontekście częstych protestów mieszkańców, w sąsiedztwie których takie elektrownie mają być budowane. W celu wyznaczenia obszarów optymalnych dla lokalizacji elektrowni wiatrowych wykorzystano jedną z metod uczenia maszynowego, którą są sztuczne sieci neuronowe. Ich istotą, a jednocześnie przewagą nad metodami bazującymi na zadanym algorytmie, jest zdolność do uogólnienia otrzymywanych wyników, gdy algorytm rozwiązania danego problemu nie jest prosty (jak w przypadku wyznaczania obszarów szczególnie predestynowanych do lokalizacji elektrowni wiatrowych). W artykule przedstawiono metodykę zastosowania jednego rodzaju sieci neuronowych, którym jest perceptron wielowarstwowy. W zastosowanej sieci wykorzystano metodę nauczania nadzorowanego z nauczycielem, polegającą na wskazywaniu sieci neuronowej wzorcowego rozwiązania z określonymi danymi wejściowymi, którymi są parametry związane z pokryciem terenu i sąsiedztwem przestrzennym pola podstawowego, tj. kwadratu o wymiarach 100 × 100 m. Jako studium przypadku wybrana została gmina Miedzna, która znajduje się we wschodniej części województwa mazowieckiego i jest gminą wiejską o charakterze rolniczym. Obszar gminy leży na falistej wysoczyźnie morenowej, urozmaiconej morfologicznie. Otwarte pola uprawne oraz lekko pofałdowany teren to dwa główne czynniki sprzyjające możliwości rozmieszczenia farm wiatrowych na danym terenie. W zaprezentowanych w artykule przykładach wykorzystane zostały dane przestrzenne pochodzące z Vector Map Level 2 oraz dane wysokościowe Shuttle Radar Topography Mission (SRTM). W wyniku przeprowadzonych eksperymentów dowiedziono, że poprawnie nauczona sieć neuronowa (z wykorzystaniem reprezentatywnej liczby próbek i odpowiednią architekturą), umożliwia poprawne wyznaczenie obszarów predestynowanych do lokalizacji elektrowni wiatrowych nie tylko na terenie gminy Miedzna, ale również innych gmin, automatyzując proces wykonywania analiz tego typu.
Źródło:
Journal of Water and Land Development; 2016, 30; 101-111
1429-7426
2083-4535
Pojawia się w:
Journal of Water and Land Development
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Zastosowanie sztucznych sieci neuronowych do oceny stanu technicznego sieci wodociągowej
Application of artificial neural networks to the assessment of technical condition of water supply systems
Autorzy:
Kamiński, K.
Kamiński, W.
Mizerski, T.
Powiązania:
https://bibliotekanauki.pl/articles/126540.pdf
Data publikacji:
2016
Wydawca:
Towarzystwo Chemii i Inżynierii Ekologicznej
Tematy:
sieci wodociągowe
prognoza remontów wodociągów
perceptron wielowarstwowy
water supply systems
predicting pipeline renovation
multilayer perceptron
Opis:
Zaprezentowano metodę typowania wodociągów wymagających przeprowadzenia remontu wykorzystującą sztuczne sieci neuronowe (SSN). W badaniach zastosowano dane zawierające informacje z ostatnich 21 lat o parametrach technicznych i wskaźnikach awaryjności ponad 200 odcinków wodociągów, zarówno tych, które poddane zostały remontom w tym okresie, jak i o wodociągach nieremontowanych. Odpowiednio przygotowany zbiór danych wejściowych został wykorzystany do trenowania sieci neuronowej w postaci perceptronu wielowarstwowego. Przedstawiono analizę działania wytrenowanej sieci neuronowej, porównując jej odpowiedzi z podjętymi w przeszłości decyzjami ekspertów o remontach wodociągów. Pomimo dobrej zgodności przewidywań SSN i opinii ekspertów, w większości przypadków stwierdzono około 15% sprzecznych decyzji. Zaproponowana metoda umożliwia stworzenie systemu eksperckiego, którego wdrożenie może poprawić wykorzystanie zasobów finansowych przedsiębiorstwa, przeznaczanych na utrzymanie niezawodnej infrastruktury wodnej.
The paper explains a method for discerning the parts of a water supply system in need of renovation, based on Artificial Neural Networks (ANNs). The study uses data, collected over the last twenty-one years, containing information on condition assessment and failure indicators concerning more than two hundred sections of both renovated and nonrenovated pipelines. During the study, an appropriately prepared data set was used for training a neural network in the form of a multilayer perceptron. Further comparison of the predictions obtained using the trained ANN with the decisions made by human experts showed satisfactory consistency; however, it should be noted that for 15% of all cases from the database discrepancies were recorded. The proposed method enables creating an expert system, which implemented by a water supply company can improve its cost management and ensure failure-free operation of its water distribution system.
Źródło:
Proceedings of ECOpole; 2016, 10, 2; 661-666
1898-617X
2084-4557
Pojawia się w:
Proceedings of ECOpole
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Using neural networks and deep learning algorithms in electrical impedance tomography
Zastosowanie sieci neuronowych i algorytmów głębokiego uczenia w elektrycznej tomografii impedancyjnej
Autorzy:
Kłosowski, G.
Rymarczyk, T.
Powiązania:
https://bibliotekanauki.pl/articles/408307.pdf
Data publikacji:
2017
Wydawca:
Politechnika Lubelska. Wydawnictwo Politechniki Lubelskiej
Tematy:
imaging tomography
multilayer perceptron
deep learning
convolutional neural networks
tomografia obrazowa
perceptron wielowarstwowy
uczenie głębokie
sieć neuronowa konwolucyjna
Opis:
This paper refers to the cases of the use of Artificial Neural Networks and Convolutional Neural Networks in impedance tomography. Machine Learning methods can be used to teach computers different technical problems. The efficient use of conventional artificial neural networks in tomography is possible able to effectively visualize objects. The first step of implementation Deep Learning methods in Electrical Impedance Tomography was performed in this work.
W artykule zaprezentowano dwa przypadki dotyczące zastosowania sztucznych sieci neuronowych i konwolucyjnych sieci neuronowych w tomografii impedancyjnej. Uczenie maszynowe może znaleźć zastosowanie przy rozwiązywaniu różnorodnych problemów technicznych. W tomograficznej rekonstrukcji obrazów można stosować konwencjonalne sieci neuronowe. W niniejszej pracy przedstawiono przykład zastosowania metod głębokiego uczenia w obszarze elektrycznej tomografii impedancyjnej.
Źródło:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska; 2017, 7, 3; 99-102
2083-0157
2391-6761
Pojawia się w:
Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Przekształcenie wskazania analogowego przyrządu pomiarowego na postać cyfrową
Converting the indication of an analog measuring instrument to a digital form
Autorzy:
Luśtyk, Dariusz
Powiązania:
https://bibliotekanauki.pl/articles/1426279.pdf
Data publikacji:
2020
Wydawca:
Główny Urząd Miar
Tematy:
analogowy przyrząd pomiarowy
wskazanie cyfrowe
perceptron wielowarstwowy
operator Sobela
analog measuring instrument
digital indication
multilayer perceptron
Sobel operator
Opis:
W artykule przedstawiono sposób wyodrębnienia obrazu podzielni analogowego przyrządu pomiarowego uzyskanego z kamery oraz metodę przetwarzania jego wskazania na postać cyfrową z zastosowaniem perceptronu wielowarstwowego. W pracy przedstawiono wyniki skuteczności odczytu wskazań analogowych z wykorzystaniem programu implementującego proponowaną metodę.
The article presents a method of extracting the image of an analog measuring instrument scale obtained from a camera, and the method of its processing into a digital form of an indication using a multilayer perceptron. The paper presents the results of the effectiveness of reading analog indication with the use of a program implementing the proposed method.
Źródło:
Metrologia i Probiernictwo : biuletyn Głównego Urzędu Miar; 2020, 2 (25); 47-54
2300-8806
Pojawia się w:
Metrologia i Probiernictwo : biuletyn Głównego Urzędu Miar
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Note onset detection in musical signals via neural-network-based multi-ODF fusion
Autorzy:
Stasiak, B.
Mońko, J.
Niewiadomski, A.
Powiązania:
https://bibliotekanauki.pl/articles/330895.pdf
Data publikacji:
2016
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
note onset detection
onset detection function
multilayer perceptron
multi ODF fusion
NN-based fusion
początek detekcji
perceptron wielowarstwowy
sygnał muzyczny
Opis:
The problem of note onset detection in musical signals is considered. The proposed solution is based on known approaches in which an onset detection function is defined on the basis of spectral characteristics of audio data. In our approach, several onset detection functions are used simultaneously to form an input vector for a multi-layer non-linear perceptron, which learns to detect onsets in the training data. This is in contrast to standard methods based on thresholding the onset detection functions with a moving average or a moving median. Our approach is also different from most of the current machine-learning-based solutions in that we explicitly use the onset detection functions as an intermediate representation, which may therefore be easily replaced with a different one, e.g., to match the characteristics of a particular audio data source. The results obtained for a database containing annotated onsets for 17 different instruments and ensembles are compared with state-of-the-art solutions.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2016, 26, 1; 203-213
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
MLP and SVM classifiers for fault detection
Klasyfikatory neuronowe MLP i SVM dla potrzeb diagnostyki
Autorzy:
Osowski, S.
Powiązania:
https://bibliotekanauki.pl/articles/258282.pdf
Data publikacji:
2006
Wydawca:
Sieć Badawcza Łukasiewicz - Instytut Technologii Eksploatacji - Państwowy Instytut Badawczy
Tematy:
klasyfikatory neuronowe
perceptron wielowarstwowy
MLP
sieć wektorów podtrzymujących
SVM
sztuczna inteligencja
diagnostyka
diagnostic
neural classifier
electrical circuits
Opis:
The paper presents a comparative analysis of two of the most important neural network classifiers: the multilayer perceptron (MLP) and Support Vector Machine (SVM) in application to diagnostic problems. The structure as well as learning algorithms of both networks have been presented and compared. The results of numerical experiments comparing the performance of both classifiers on the artificial and real life problems are presented and discussed.
Praca przedstawia dwa rozwiązania klasyfikatorów neuronowych na potrzeby diagnostyki. Jednym z nich jest perceptron wielowarstwowy (ang. MultiLayer Perceptron - MLP), drugim sieć wektorów podtrzymujących (ang. Support Vector Machine (SVM). Przedstawiono struktury oraz podstawowe metody uczenia takich sieci. Działania obu klasyfikatorów sprawdzono i porównano na problemach testowych, zarówno typu syntetycznego, jak i problemie rzeczywistym rozpoznawania uszkodzeń elementów w rzeczywistym układzie filtru elektrycznego.
Źródło:
Problemy Eksploatacji; 2006, 2; 149-167
1232-9312
Pojawia się w:
Problemy Eksploatacji
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wykorzystanie sztucznych sieci neuronowych do klasyfikacji struktur odmienionych węgla kamiennego w strefach przyuskokowych
The application of artificial neural networks for the classification of altered structures of hard coal in near-fault zones
Autorzy:
Młynarczuk, M.
Godyń, K.
Skiba, M.
Powiązania:
https://bibliotekanauki.pl/articles/166211.pdf
Data publikacji:
2015
Wydawca:
Stowarzyszenie Inżynierów i Techników Górnictwa
Tematy:
struktura węgla
uskoki
sztuczne sieci neuronowe
perceptron wielowarstwowy (MLP)
coal structure
near-fault zones
artificial neural networks
multi-layer perceptron (MLP)
Opis:
Wewnętrzna budowa strukturalna węgla kamiennego ze stref uskokowych, w szczególności obecność spękań o charakterze egzogenicznym, kataklazy oraz mylonitu, może odpowiadać za zwiększoną pojemność gazową węgla i wskazywać na pokłady szczególnie zagrożone zjawiskami gazo-geodynamicznymi. Problematyka węgla odmienionego strukturalnie jest przedmiotem zainteresowania badaczy z różnych krajów. Zaproponowali oni metody klasyfikacji takiego węgla. W ramach opisywanych badań skupiono się na jednej z takich metod w celu zweryfikowania możliwości wykorzystania sztucznych sieci neuronowych jako narzędzia wspomagającego decyzje dotyczące klasyfikacji poszczególnych struktur. Badania prowadzono na zdjęciach wykonanych przy użyciu mikroskopu optycznego. Zdefiniowano wielowymiarową przestrzeń cech, bazującą głównie na parametrach otrzymanych z różnie zdefiniowanych gradientów. W badaniach wykorzystano dwuwarstwową sieć jednokierunkową (MLP). Jej zastosowanie umożliwiło zweryfikowanie w sposób sformalizowany subiektywnych decyzji obserwatora. W rezultacie badań wykazano, że użycie sztucznych sieci neuronowych pozwala na klasyfikację struktur odmienionych węgla na poziomie 91% zgodności z decyzjami obserwatora-geologa.
The internal structure of hard coal in near-fault zones - in particular, the presence of exogenic cracks, cataclasis and mylonite - can be the decisive factor when it comes to the increased gas capacity of coal and pose a greater risk of the occurrence of gaso-geodynamic phenomena. The problem of structurally altered coal has been of interest to a lot of researchers from various countries, who have proposed certain methods of classifying such coal. As part of the described research, one of such methods was analyzed, with the aim of verifying the possibilities of using artificial neural networks as a tool facilitating the classification of particular structures. The analysis was performed with the use of photographs taken with the optical microscope. A multidimensional feature space was determined, based mainly on the parameters obtained from differently defined gradients. A two-layer, unidirectional network (MLP) was used in the research, which made it possible to verify - in a formalized way - subjective decisions of the researcher. The tests ultimately demonstrated that the application of artificial neural networks results in successful classification of the altered structures of coal, with the level of compatibility with the decisions made by a researcher-geologist at ca. 91 percent.
Źródło:
Przegląd Górniczy; 2015, 71, 11; 15-20
0033-216X
Pojawia się w:
Przegląd Górniczy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Próba zastosowania ilościowej analizy obrazów TK w różnicowaniu guzów i udarów – badanie wstępne
Examination of the application of quantitative analysis of CT brain images in ischaemic stroke and brain tumour detection – preliminary test
Autorzy:
Chrześcijanek, Beata
Młynarczyk-Kochanowska, Antonina
Strzelecki, Michał
Klimek, Andrzej
Rachalewski, Maciej
Powiązania:
https://bibliotekanauki.pl/articles/1053300.pdf
Data publikacji:
2014
Wydawca:
Medical Communications
Tematy:
udar niedokrwienny
guz
neuroobrazowanie
sztuczna sieć neuronowa
perceptron wielowarstwowy
tomografia komputerowa
ischaemic stroke
tumour
neuroimaging
artificial neural network
multilayer perceptron
computed
tomography
Opis:
Introduction: Neuroimaging is a standard examination implemented for diagnosis of various pathologies of the central nervous system. The fundamental diagnostic procedures in medical imaging of the central nervous system are computed tomography and magnetic resonance imaging. In case of a sudden focal or generalized onset of brain dysfunctions at first we should think about stroke. A very important test if stroke is suspected is computed tomography. In this paper we would like to check if it is possible to distinguish two pathologies of the cerebrum: ischaemic stroke and tumour, using quantitative analysis of selected abnormalities. Material and methods: Analysis is based on comparison of two pathologies (ischaemic stroke and tumour). Two sets of images were prepared. Analysis is performed to distinguish abnormalities observed on computed tomography brain images from healthy tissue. The image analysis includes data conversion, normalization of region of interest, estimation of the number of texture features, features selection based on four different methods of selection and finally classification based on artificial neural network classifier. Results: In the examination, different effectiveness of used methods was observed. Quantitative analysis of selected texture features allows to differentiate two classes of pathologies. Also an important observation is that the artificial neural network can be a useful tool in data classification and analysis. Conclusions: The performed analysis is effective but only for small number of data. That is why it still needs to be conducted on a larger set of data. It will be also necessary to repeat classification a number of times and to perform data validation in order to confirm effectiveness of the presented method. After that we can hope to get really satisfying results.
Wstęp: Neuroobrazowanie jest standardowym badaniem stosowanym w diagnostyce ośrodkowego układu nerwowego (OUN). Podstawowymi narzędziami diagnostycznymi w obrazowaniu OUN są tomografia komputerowa (TK) oraz rezonans magnetyczny. W przypadku wystąpienia nagłych ogniskowych lub uogólnionych objawów neurologicznych należy w pierwszej kolejności podejrzewać udar mózgu. Obecnie badaniem pierwszego rzutu w diagnostyce neuroradiologicznej jest badanie TK. W przedstawionej pracy podjęto próbę sprawdzenia, czy jest możliwa ilościowa analiza obrazów TK, pozwalająca odróżnić zmiany rozrostowe OUN od udarów niedokrwiennych. Materiały i metody: Analizę oparto na porównaniu dwóch patologii OUN: udaru niedokrwiennego oraz zmiany rozrostowej. Ocenie poddano obrazy TK mózgowia, na których wyodrębniono zmianę patologiczną. Podczas kolejnych etapów pracy przeprowadzono: konwersję danych, definiowanie obszarów zainteresowania (ROI), estymację cech tekstury, selekcję cech z zastosowaniem czterech różnych metod oraz klasyfikację opartą na sztucznej sieci neuronowej. Wyniki: Odnotowano różną skuteczność zastosowanych metod, co dało podstawę do stwierdzenia, że ilościowa analiza wybranych cech tekstury obrazu pozwala odgraniczyć klasy przypisane do omawianych patologii, natomiast użycie sztucznych sieci neuronowych do klasyfikacji danych wskazuje na ich skuteczność i przydatność jako narzędzi stosowanych w analizie wybranych danych. Podsumowanie: W sytuacji gdy badanie neuroradiologiczne nie wypada jednoznacznie, a leczenie udaru i guza mózgu różnią się diametralnie, istnieje możliwość zastosowania przedstawionej analizy w celu skrócenia czasu potrzebnego do postawienia właściwej diagnozy. Przedstawione wyniki mają jednak charakter wstępny i wymagają dalszej analizy na większej grupie pacjentów.
Źródło:
Aktualności Neurologiczne; 2014, 14, 2; 89-95
1641-9227
2451-0696
Pojawia się w:
Aktualności Neurologiczne
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Hybrid predictions of the homogenous properties’ market value with the use of ann
Prognozowanie wartości rynkowej jednorodnych nieruchomości hybrydowym modelem z wykorzystaniem sztucznych sieci neuronowych
Autorzy:
Anysz, Hubert
Podwórna, Monika
Ibadov, Nabi
Lennerts, Kunibert
Dikarev, Kostiantyn
Powiązania:
https://bibliotekanauki.pl/articles/1852660.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
wycena nieruchomości
sieć neuronowa sztuczna
perceptron wielowarstwowy
podejście porównawcze
uczenie maszynowe
model hybrydowy
real estate valuation
artificial neural network
multilayer perceptron
comparative approach
machine learning
hybrid model
Opis:
The homogenous properties – as flats are – have the set of key features that characterizes them. The area of a flat, the number of rooms and storey number where it is located, the technical state of a building, and the state of the vicinity of the blocks of flats assessed. The database comprises 222 flats with their transaction prices on the secondary estate market. The analysed flats are located in a certain quarter of Wrocław city in Poland. The database is large enough to apply machine learning for successful price predictions. Their close locations significantly lower the influence of clients’ assessments of the attractiveness of the location on the flat’s price. The hybrid approach is applied, where classifying precedes the solution of the regression problem. Dependently on the class of flats, the mean absolute percentage error achieved through the calculations presented in the article varies from 4,4 % to 7,8 %. In the classes of flats where the number of cases doesn’t allow for machine predicting, multivariate linear regression is applied. The reliable use of machine learning tools has proved that the automated valuation of homogenous types of properties can produce price predictions with the error low enough for real applications.
Wycena nieruchomości jest złożonym procesem. Rzeczoznawca majątkowy musi być biegły zarówno w naukach ekonomicznych, prawnych, jak i technicznych. W praktyce często zdarzają się przypadki, w których konieczne jest poznanie zakresu wartości nieruchomości w krótkim czasie. Zautomatyzowane modele wyceny (AVM) są kwestionowane przez praktyków, ale nie oznacza to, że nie należy szukać nowych metod wyceny, innych niż te określone w Rozporządzeniu Rady Ministrów z dnia 21 września 2004 r. w sprawie wyceny nieruchomości i sporządzania operatu szacunkowego. Do określenia wartości rynkowej nieruchomości zdefiniowanej w Ustawie z dnia 21 sierpnia 1997 r o gospodarce nieruchomościami, jako „szacunkowa kwota, jaką w dniu wyceny można uzyskać za nieruchomość w transakcji sprzedaży zawieranej na warunkach rynkowych pomiędzy kupującym a sprzedającym, którzy mają stanowczy zamiar zawarcia umowy, działają z rozeznaniem i postępują rozważnie oraz nie znajdują się w sytuacji przymusowej”, najczęściej stosowaną metodą wyceny jest podejście porównawcze polegające na szacowaniu wartości na podstawie ostatnich danych sprzedaży innych podobnych nieruchomości na rynku lokalnym. Takie podejście wymaga aktywnego, rozwiniętego oraz w miarę stabilnego rynku. Rzeczoznawca majątkowy analizuje ceny transakcyjne nieruchomości, które w wystarczającym stopniu są podobne do nieruchomości wycenianej. Analiza atrybutów nieruchomości polega na badaniu nieruchomości pod względem trwałych cech, które mają znaczący wpływ na wartość, w szczególności lokalizację obiektu, jego powierzchnię, położenie w budynku, stan techniczny. W pracy przenalizowano próbkę 222 nieruchomości lokalowych, które były przedmiotem obrotu na wrocławskim rynku wtórnym. Lokalny rynek nieruchomości przyjęto jako nieruchomości lokalowe o powierzchni użytkowej z przedziału od 15 do 95 m2, w budynkach o stanie dobry lub średnim, z obrębu Grabiszyn dzielnicy Fabryczna miasta Wrocław. W pracy przyjęto dwuletni okres analizy, ze względu na w miarę stabilny rynek w okresie 2013-2014 nie uwzględniono czynnika czasu - przyjęto zerowy trend czasowy dla transakcji wolnorynkowych.
Źródło:
Archives of Civil Engineering; 2021, 67, 1; 285-301
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
Wyświetlanie 1-10 z 12

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies