Размещено на http://www.allbest.ru/

Кубанский государственный аграрный университет

Разработка без программирования и применение в адаптивном режиме методик риэлтерской экспресс-оценки по методу аналогий (сравнительных продаж) в системно-когнитивном анализе и интеллектуальной системе "Эйдос"

Луценко Евгений Вениаминович, д.э.н., к.т.н., профессор

Коржаков Валерий Евгеньевич, к.т.н., доцент

г. Краснодар

Аннотация

В статье на реальном численном примере автомобилей с пробегом рассматриваются вопросы разработки без программирования и применения в адаптивном режиме риэлтерской методики экспресс-оценки по методу аналогий (сравнительных продаж) с применением системно-когнитивного анализа и интеллектуальной системы "Эйдос". Уровень сложности необходимых работ соответствует лабораторной работе по системам искусственного интеллекта и представлению знаний

Ключевые слова: разработка, применение методик риэлтерской оценки, метод аналогий сравнительных продаж, системно-когнитивный анализ, интеллектуальная система "Эйдос"

In the article on the real numerical example of pre-owned cars we show the development without programming and application in adaptive mode of realtor rapid assessment methodology for benchmarking assessment (comparative sales) using system-cognitive analysis and Eidos intellectual system. The level of complexity of required works corresponds to the laboratory work on systems of artificial intelligence and knowledge representation

Keywords: development, application of methods of real estate,evaluation, benchmarking of comparative sales, system-cognitive analysis, Eidos intellectual system

Содержание

• 1. Проблема и концепция ее решения
• 2. Характеристика исходных данных
• 3. Этапы системно-когнитивного анализа и преобразование данных в информацию, а ее в знания в системе "Эйдос"
• 4. Когнитивная структуризация предметной области
• 5. Формализация предметной области
• 5.1 Разработка классификационных и описательных шкал и градаций
• 5.2 Разработка обучающей выборки, т.е. описание исходных данных с помощью кодов градаций классификационных и описательных шкал
• 6. Синтез и верификация моделей
• 7. Выбор наиболее достоверной модели
• 8. Решение задач идентификации, прогнозирования, принятия решений и исследования моделируемой предметной области с применением наиболее достоверной модели
• 8.1 Задача идентификации и прогнозирования
• 8.2 Задача принятия решений
• 8.3 Задача исследования предметной области
• Выводы и результаты
• Ограничения и перспективы
• Литература

1. Проблема и концепция ее решения

В условиях рыночной экономики постоянно возникает задача оценки собственности, т.е. задача определения цены на различные товары, объекты движимого и недвижимого имущества. В современной риэлтерской науке и практике существует три основных подхода решению этой задачи: доходный, затратный и сравнительный. Рассматривать эти подходы нет необходимости, т.к. они подробно освещены в специальной литературе [1]. Отметим лишь, что каждый из этих методов имеет свои достоинства и недостатки. По совокупности этих достоинств и недостатков привлекательно выглядит сравнительный метод или как его еще называют метод аналогий. В данном методе цена на товар определяется по цене аналогов с учетом различных поправок, увеличивающих или уменьшающих определяемую цену по сравнению с аналогом или аналогами.

В работе [2] подробно рассмотрены достоинства и недостатки сравнительного метода, но здесь основываясь на этой работе, отметим лишь главные из них.

"Основным преимуществом сравнительного подхода является то, что оценщик ориентируется на фактические цены купли-продажи сходных предприятий. В данном случае цена определяется рынком, т. к. оценщик ограничивается только корректировками, обеспечивающими сопоставимость аналога с оцениваемым объектом. При использовании других подходов, оценщик определяет стоимость предприятия на основе произведенных расчетов" [2].

Основным недостатком этого метода является необходимость сложных корректировок и поправок в итоговую величину и промежуточные расчеты, требующих серьезного обоснования. Эта необходимость связана с тем, что на практике не существует абсолютно точных аналогов. Поэтому оценщик должен выявить отличия оцениваемого объекта от аналогов и определить и учесть их влияние на итоговую величину стоимости. В настоящее время это является достаточно трудоемкой и дорогостоящей процедурой [2].

Традиционно при применении сравнительного метода применяются базы данных и работающие с ними информационно-поисковые системы [2]. При поиске аналогов в этих системах возникает проблема референтного класса [3], которая состоит в том, что абсолютно точных аналогов не существует и не очень понятно как сравнивать оцениваемый объект с этими аналогами. Поэтому информационно-поисковые системы либо вообще ничего не находят по полному совпадению всех показателей, либо находят несколько неполных аналогов путем игнорирования ряда показателей, заданных в запросе. Релевантность отчета при этом обычно определяется путем подсчета количества совпавших с запросом показателей. Такой подход не выдерживает критики, т.к. основан просто на игнорировании потенциально существенной для оценки информации. Кроме того, роль в запросе и отчете различных показателей, совершенно по-разному влияющих на сходство оцениваемого объекта с аналогами и стоимость оцениваемого объекта, при таком подходе считается одинаковой. В настоящее время это различие может быть учтено лишь вручную с помощью процедур учета различий с помощью различного рода коэффициентов и поправок, что довольно трудоемко и требует высокой компетенции оценщика [2]. Возникают также сложные вопросы о том, откуда брать данные о влиянии этих различий на цену, т.е. о величинах поправочных коэффициентов и связанных с ними поправок, а также о способе учета различий оцениваемого объекта от аналога по нечисловым показателям, измеренным в номинальных и порядковых шкалах. Однако другого подхода в настоящее время не существует. В принципе можно себе представить программную систему для оценки, представляющую собой информационно-поисковую систему для поиска аналогов, включающую также режим исследования отличий оцениваемого объекта от аналогов и вводящей соответствующие поправки в цену по методике, приведенной в работе [2]. Однако разработка подобной системы сама по себе представляет собой проблему. Причем такая система с необходимостью получится привязанной к определенной предметной области, а коэффициенты и оправки в нее все равно надо будет вводить вручную, т.е. и такая система не позволит в полной мере преодолеть недостатки сравнительного метода.

Таким образом, налицо проблема: с одной стороны существует метод оценки, обладающий рядом неоспоримых достоинств с точки зрения высокого качества получаемых с его помощью результатов, с другой стороны его применение на практике сдерживается высокой сложностью и трудоемкостью применения. В данной статье предлагается и на реальном численном примере подробно рассматривается один из возможных вариантов решения данной проблемы.

Концепция решения проблемы основана на понимании того, что сравнение с аналогами является задачей распознавания образов. Именно при распознавании образов конкретный (распознаваемый) объект количественно сравнивается по всей системе своих признаков с конкретными или обобщенными образами аналогов, сформированными на основе обучающей выборки, содержащей актуальные примеры аналогов. При этом кардинально решается и проблема референтного класса [3]. Для решения этой задачи необходимо использовать программную систему, обеспечивающую как создание модели, необходимой для решения этой задачи, так и использования этой модели для решения данной задачи на практике в адаптивном режиме. Адаптивный режим необходим для учета в модели пространственно-временных различий в моделируемой предметной области, т.е. ее динамики и региональных различий [4]. Весовые коэффициенты, увеличивающие уменьшающие стоимость оцениваемого объекта, в системе распознавания будут формироваться автоматически при создании модели научно-обоснованным методом. Уровень сложности необходимых для решения проблемы работ соответствует лабораторной работе по системам искусственного интеллекта и представлению знаний, т.е. не очень высок, как и должно быть при решении проблемы, т.к. понятно, что если предлагаемое "решение" не упрощает, а усложняет ситуацию, то такое "решение" никому не нужно.

Конечно, для реализации этой идеи можно было бы обосновать требования к подобной системе, провести рейтинговый сопоставительный анализ подобных систем и выбрать наиболее подходящую из них. Но в данной статье авторы не ставят перед собой такой цели, а просто предлагают применить для решения поставленной проблемы новый метод искусственного интеллекта: системно-когнитивный анализ (СК-анализ) и его программный инструментарий - Универсальную когнитивную аналитическую систему "Эйдос" (система "Эйдос") [5, 6].

Данный метод является довольно уникальным, т.к. является одним из немногих методов, обеспечивающих многопараметрическую типизацию и сопоставимую системную идентификацию сложных систем, описанных как количественными, так и текстовыми признаками, причем измеряемыми в различных единицах измерения [7].

Исторически СК-анализ возник в 2001 году при работе над автоматизацией системного анализа. При этом был успешно применен подход, предложенный и реализованный проф. Е.В. Луценко, основанный на структурировании системного анализа по базовым когнитивным операциям. Поэтому этот вариант системного анализа был назван его разработчиком "Системно-когнитивный анализ" (СК-анализ). Когнитивные операции, это термин когнитивной психологии (раздела психологии, изучающего процессы познания) и означает операции, которые человек выполняет в процессе познания. Этих операций известно очень много, чуть ли не сотни, но из них для реализации были выбраны основные: обобщение, абстрагирование, сравнение, классификация и другие, всего 10 операций, которых оказалось достаточно для автоматизации системного анализа. Этот подход был доведен его разработчиком до логического завершения, т.е. были разработаны не только теоретические основы системно-когнитивного анализа, но и математическая модель, основанная на теории информации, и методика численных расчетов, включающая алгоритмы и структуры данных, и программная реализация СК-анализа - система "Эйдос". Краткая информация о системе "Эйдос" представлена в ее экранной форме, представленной на рисунке 1:

Рисунок 1. Экранная форма с краткой информацией о системе "Эйдос"

Полное название системы "Эйдос": Универсальная когнитивная аналитическая система "Эйдос":

- универсальная, т.к. она разработан в универсальной постановке, независящей от предметной области. Поэтому она может быть применена везде, где человек применяет свой естественный интеллект;

- когнитивная, т.к. она является программным инструментарием системно-когнитивного анализа, реализует базовые когнитивные операции, обеспечивает преобразование информации в знания и является инструментом автоматизации некоторых аспектов процессов познания;

- аналитическая, т.к. она обеспечивает преобразование данных в информацию, а процедура преобразования данных в информацию называется "анализ" и состоит в выявлении смысла в данных. Согласно концепции Шенка-Абельсона смысл - это знание причинно-следственных зависимостей;

- Эйдос, т.к. она восстанавливает обобщенные образы объектов по их конкретным реализациям [11].

Немаловажно также отметить, что система "Эйдос" находится в полном отрытом бесплатном доступе, т.е. является общедоступной без предварительных условий, причем вместе с исходными текстами и полной документацией по ней См.: http://lc.kubagro.ru/aidos/index.htm .

Методику создания и применения интеллектуального риэлтерского приложения в СК-анализе и системе "Эйдос" рассмотрим на реальном примере оценки автомобилей с пробегом, взятом с сайта [8]. Особо отметим, что все исходные данные, а также матрицы промежуточных расчетов и результаты приводятся в полном виде, допускающем полную численную проверку всех расчетов и результатов.

2. Характеристика исходных данных

Ниже полностью приведен прайс-лист с сайта [8], содержащий исходные данные по состоянию на 10.12.2013 (таблица 1):

Каждый аналог или объект обучающей выборки описан в таблице 1 как своими признаками, так и ценой. Подобное описание называется онтологией или когнитивной структурой и, по сути, является определением этого конкретного объекта путем подведения его под более общее понятие, в качестве которого в нашей задаче выступает цена, и указания его признаков, среди которых есть и общие с другими объектами, и специфические.

Таблица 1 - исходные данные по аналогам (автомобилям с пробегом) [8]

Подобные документы

• Реализация таблиц принятия решений в объектных базах данных

  Общая характеристика экспертных программ как систем искусственного интеллекта. Описание реализации в реляционной системе управления базами данных. Рассмотрение особенностей интеграции объектных таблиц принятия решения в проект по распознаванию символов.
  
  дипломная работа [662,5 K], добавлен 20.07.2015
  

• Интеллектуальный анализ данных

  Интеллектуальный анализ данных как метод поддержки принятия решений, основанный на анализе зависимостей между данными, его роль, цели и условия применения. Сущность основных задач интеллектуального анализа: классификации, регрессии, прогнозирования.
  
  контрольная работа [25,8 K], добавлен 08.08.2013
  

• Библиотека методов когнитивного анализа задач

  Предмет и этапы когнитивного анализа задач, его основные методы и их реализация на псевдокодовом языке. Виды факторов, использующихся при когнитивном моделировании систем. Предъявляемые к библиотеке требования, оценка ее экономической эффективности.
  
  дипломная работа [1,3 M], добавлен 29.01.2013
  

• Особенности создания базы данных в MS Access

  Операции в системе управления базами данных (СУБД). MS Access как функционально полная реляционная СУБД. Разработка реляционных моделей баз данных экономического направления. Применение прикладных программ для решения экономико-управленческих задач.
  
  курсовая работа [2,1 M], добавлен 14.01.2015
  

• Разработка системы поддержки принятия решений в сфере банковского кредитования

  Классификация систем поддержки принятия решений. Сравнительный анализ методик для оценки рисков розничного кредитования. Структура системы поддержки принятия решений, формирование начальной базы знаний. Проектирование базы данных информационной системы.
  
  дипломная работа [1,9 M], добавлен 10.07.2017
  

• Применение нейронных сетей в задачах прогнозирования финансовых ситуаций и принятия решений

  Анализ применения нейронных сетей для прогнозирования ситуации и принятия решений на фондовом рынке с помощью программного пакета моделирования нейронных сетей Trajan 3.0. Преобразование первичных данных, таблиц. Эргономическая оценка программы.
  
  дипломная работа [3,8 M], добавлен 27.06.2011
  

• Системы принятия решения и оптимизации в Excel, конструирование баз данных в Access

  Краткие сведения о системах принятия решения в режиме показа формул и в режиме пользователя. Принципы решения задач оптимизации. Построение математической модели. Диаграмма "Оптимизация плана перевозок". Создание таблицы БД в Access: база данных, запросы.
  
  курсовая работа [482,3 K], добавлен 12.08.2012
  

• Разработка подсистемы оперативного анализа данных в информационной системе анализа динамики посетителей веб-сайта crimusic.info

  Разработка подсистем анализа веб-сайта с помощью Microsoft Access и Olap-технологий. Теоретические аспекты разработки подсистемы анализа данных в информационной системе музыкального портала. Olap-технологии в подсистеме анализа объекта исследования.
  
  курсовая работа [864,8 K], добавлен 06.11.2009
  

• Хранилища данных

  Концепции хранилищ данных для анализа и их составляющие: интеграции и согласования данных из различных источников, разделения наборов данных для систем обработки транзакций и поддержки принятия решений. Архитектура баз для хранилищ и витрины данных.
  
  реферат [1,3 M], добавлен 25.03.2013
  

• Решение задач линейного программирования

  Теоретическая основа линейного программирования. Задачи линейного программирования, методы решения. Анализ оптимального решения. Решение одноиндексной задачи линейного программирования. Постановка задачи и ввод данных. Построение модели и этапы решения.
  
  курсовая работа [132,0 K], добавлен 09.12.2008
  

• Разработка системы поддержки принятия решений

  Обслуживание двух встречных потоков информации. Структура информационных систем. Разработка структуры базы данных. Режимы работы с базами данных. Четыре основных компонента системы поддержки принятия решений. Выбор системы управления баз данных.
  
  курсовая работа [772,0 K], добавлен 21.04.2016
  

• Технология решения оптимизационных задач средствами программы MathCAD

  Понятие линейного программирования и оптимизации. Основы работы в системе MathCAD. Интерфейс пользователя, входной язык и тип данных. Этапы компьютерного математического моделирования. Пример решения оптимизационной задачи средствами программы MathCAD.
  
  курсовая работа [352,8 K], добавлен 16.10.2011
  

• Применение программных комплексов для решения инженерных задач

  Использование информационных технологий для решения транспортных задач. Составление программ и решение задачи средствами Pascal10; алгоритм решения. Работа со средствами пакета Microsoft Excel18 и MathCad. Таблица исходных данных, построение диаграммы.
  
  курсовая работа [749,1 K], добавлен 13.08.2012
  

• Роль информационных технологий в управлении предприятием

  Информационные технологии в управлении: комплекс методов переработки исходных данных в оперативную информацию механизма принятия решений с помощью аппаратных и программных средств с целью достижения оптимальных рыночных параметров объекта управления.
  
  контрольная работа [24,1 K], добавлен 15.03.2013
  

• Исследование переходных процессов в механической системе

  Численное и графическое моделирование динамических процессов в механической системе вибрационного типа. Обработка исходных данных и получение необходимых значений в MathCAD Professional. Решение задачи Коши модифицированным методом Эйлера в Excel.
  
  курсовая работа [3,7 M], добавлен 27.08.2012
  

• Виртуализация хранения. Группы функций, реализуемых в системе хранилищ данных

  Понятие и назначение виртуализации систем хранения, хранение данных на уровне сервера и коммутатора. Обзор поставщиков решений виртуализации и характеристика их производительности. Изучение групп основных функций, реализуемых в системе хранения данных.
  
  контрольная работа [1,3 M], добавлен 01.06.2014
  

• Системы принятия решения и оптимизации в электронных таблицах, конструирование баз данных

  Проектирование системы принятия решения для аттестации знаний абитуриента на основе тестирования. Особенности создания базы данных и плана перевозок с минимизацией затрат. Разработка информационно-логической модели предметной области "Книга" с атрибутами.
  
  курсовая работа [7,9 M], добавлен 10.10.2012
  

• Системы принятия решения и оптимизации в электронных таблицах, конструирование баз данных

  Построение дерева принятия решений, реализация данной системы в табличном процессоре. Построение математической модели: в режиме вычислений и показа формул до и после оптимизации. Окно поиска решения. Информационно-логическая модель, ее содержание.
  
  курсовая работа [955,8 K], добавлен 10.10.2012
  

• Исследование алгоритмов принятия решений и обучение в программировании робототехнических устройств

  Анализ методов реализации интеллектуальных игр в системе человек-робот. Разработка архитектуры программного комплекса, выбор языка программирования. Алгоритм преобразования данных. Тестирование программного комплекса, редактирование и исправление ошибок.
  
  дипломная работа [2,6 M], добавлен 27.10.2017
  

• Разработка базы данных "Магазин товаров"

  Технология программирования, основные этапы развития. База данных, понятие,характеристика, основные типы баз. Действие и структура программы С++. Процесс подготовки и решения задач на компьютерах. Написание и отладка программы на языке программирования.
  
  курсовая работа [32,8 K], добавлен 26.01.2011
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам