1. NCCU Academic Hub
  2. 社會科學學院
  3. 地政學系
  4. 學位論文
Please use this identifier to cite or link to this item: https://ah.lib.nccu.edu.tw/handle/140.119/36313
DC FieldValueLanguage
dc.contributor.advisor陳奉瑤zh_TW
dc.contributor.author魏如龍zh_TW
dc.creator魏如龍zh_TW
dc.date2002en_US
dc.date.accessioned2009-09-18T09:57:48Z-
dc.date.available2009-09-18T09:57:48Z-
dc.date.issued2009-09-18T09:57:48Z-
dc.identifierG0902570151en_US
dc.identifier.urihttps://nccur.lib.nccu.edu.tw/handle/140.119/36313-
dc.description碩士zh_TW
dc.description國立政治大學zh_TW
dc.description地政研究所zh_TW
dc.description90257015zh_TW
dc.description91zh_TW
dc.description.abstract類神經網路(Neural Network)是人工智慧(Artificial Intelligence)的一種，利用模仿腦神經處理資訊的原理，以數學模型，經由電腦軟硬體等方式，對於不動產進行鑑價，可說是電腦估價的範疇之一。為解決以市場比較法進行估價作業時，估價人員往往因為自己的主觀認知有所不同，而產生估價結果有相當的差距，造成不能建立估價人員的專業公信力，產生人人均可以從事估價之錯覺。是以，為解決估價上過於主觀之問題，透過類神經網路之功能，能分析交易價格與影響價格主要因素之關係，利用大量已成交的資料，學習這些關係之結構變化，進而推估較具客觀性的價格，提供估價人員的諮詢與參考，恰有助於整個估價流程的合理性與可接受性。\r\n對於文山區與大安區中古屋交易資料，以多層感知機 (Multilayer Perceptrons，MLP) 類神經網路模式之分析結果，可發現在年訓練資料的測試結果中，不動產交易價格波動變化穩定之狀況下的預估效果較佳，然而在不動產價格變動率較大之狀況下，其預估效果明顯降低；進一步比較的一年期訓練資料、半年期訓練資料、季訓練資料之預估結果後發現，以一年期訓練資料之預估效果較佳；經由輸入變數篩選後再預估，其整體預估效果均有改善；最後以訓練資料期間為選取導向與訓練資料量多寡為選取導向之測試結果作比較，可發現訓練資料期間為選取導向的預估結果較佳，說明訓練資料的選擇必須考量其時效的重要性。\r\n關鍵字：類神經網路(Neural Network)、訓練資料選取、變數篩選分析zh_TW
dc.description.tableofcontents章節目錄\r\n第一章 緒論…………………………………………………………………1\r\n第一節 研究動機與目的……………………………………………………1\r\n第二節 研究問題與限制……………………………………………………4\r\n第三節 研究方法與範圍……………………………………………………6\r\n第四節 研究架構與流程……………………………………………………8\r\n第二章 相關文獻分析………………………………………………………11\r\n第一節 類神經網路於不動產領域之應用…………………………………11\r\n第二節 不動產價格影響因素分析…………………………………………19\r\n第三章 相關理論基礎………………………………………………………23\r\n第一節 類神經網路之基本原理……………………………………………23\r\n第二節 不動產估價相關理論………………………………………………31\r\n第三節 小結…………………………………………………………………34\r\n第四章 模型建構與實證課題之建立………………………………………35\r\n第一節 模型建構與評估指標之建立………………………………………35\r\n第二節 課題分析……………………………………………………………38\r\n第三節 交易資料基本分析…………………………………………………40\r\n第五章 實證研究……………………………………………………………53\r\n第一節 文山區各組實驗設計………………………………………………53\r\n第二節 大安區各組實驗設計………………………………………………69\r\n第三節 文山區與大安區測試結果之比較…………………………………83\r\n第六章 研究結論與建議……………………………………………………87\r\n第一節 研究結論……………………………………………………………87\r\n第二節 研究建議……………………………………………………………89\r\n參考文獻………………………………………………………………………91\r\n附錄……………………………………………………………………………94zh_TW
dc.language.isoen_US-
dc.source.urihttp://thesis.lib.nccu.edu.tw/record/#G0902570151en_US
dc.subject類神經網路zh_TW
dc.subject訓練資料選取zh_TW
dc.subject變數篩選分析zh_TW
dc.subjectNeural Networken_US
dc.title類神經網路於不動產價格預估效果之研究zh_TW
dc.typethesisen
dc.relation.reference(一) 中文部分zh_TW
dc.relation.reference1.不動產估價/美國估價協會著，第十一版，宏大不動產鑑定公司譯。zh_TW
dc.relation.reference2.王進德、蕭大全(1994)，類神經網路與模糊控制理論入門，全華科技圖書。zh_TW
dc.relation.reference3.余文德、鄭景鴻（2001），類神經模糊系統於高速公路土石方工程成本估價之應用，二十一世紀土木工程技術與管理研討會論文集，pp. B209~B219。zh_TW
dc.relation.reference4.周天穎、周學政（1997），ARCVIEW─透視3.X，松崗股份有限公司。zh_TW
dc.relation.reference5.林秋瑾(1997)，住宅價格之省思：1975∼1995─理論與應用，正揚出版社。zh_TW
dc.relation.reference6.林英彥(2000)，「不動產估價」九版，文笙書局。zh_TW
dc.relation.reference7.林祖嘉(1992)，台灣地區房租與房價關係之研究，台灣銀行季刊，第43-1期。zh_TW
dc.relation.reference8.林國民（1996），高雄市自有住宅特徵價格之研究，成功大學都市計劃研究所碩士論文。zh_TW
dc.relation.reference9.高明志(1997)，類神經網路應用於房地產估價之研究，政治大學地政研究所碩士論文zh_TW
dc.relation.reference10.高瑋堅（2000），購屋者特性與房屋買賣價差關係之研究，崑山科技大學。zh_TW
dc.relation.reference11.張欣民、陳奉瑤(2003)，自動估價系統(AVM)算不算是估價，土地問題研究季刊第二輯第二期。zh_TW
dc.relation.reference12.張金鶚、林秋瑾、楊宗憲（1995），台灣地區住宅價格指數之研究，經建會。zh_TW
dc.relation.reference13.張梅英（1992），建立土地大量估價方法之研究，政治大學地政研究所博士論文。zh_TW
dc.relation.reference14.陳奉瑤、梁仁旭（1999），評定公告土地現值方法之研究，國立政治大學學報第七十八期。zh_TW
dc.relation.reference15.陳明吉（1989）房地產價格及其變動因素之研究，政治大學地政研究所碩士論文。zh_TW
dc.relation.reference16.游淑惠(1994)，類神經網路應用於國宅需求特性之研究，成功大學都市計劃研究所碩士論文。zh_TW
dc.relation.reference17.葉怡成(1997)，應用類神經網路，儒林出版社。zh_TW
dc.relation.reference18.葉怡成(1997)，類神經網路模式應用與實作，儒林出版社。zh_TW
dc.relation.reference19.範俊波等(1992)，神經網路與神經計算機，儒林出版社。zh_TW
dc.relation.reference20.蔡芬蓮（1997），法拍屋價格影響因素之研究─以台北市為例，政治大學地政研究所碩士論文。zh_TW
dc.relation.reference21.蔡瑞煌(1995)，類神經網路概論，三民書局。zh_TW
dc.relation.reference22.盧炳勳、曹登發譯(1992)，P.D.Wasserman著，類神經網路理論與應用，全華科技圖書。zh_TW
dc.relation.reference23.聶建中、馮正安、郭繼良（2001），金融風暴期間新台幣兌美元匯率預測─倒傳遞神經網路之應用，台灣金融財務季刊第二輯第三期。zh_TW
dc.relation.reference24.羅華強(2001)，類神經網路─MATLAB的應用，清蔚科技股份有限公司。zh_TW
dc.relation.reference(二)、 英文部分zh_TW
dc.relation.reference1.Borst,R.A ＆ McCluskey,W.J.(1996) “An Evaluation of Abdctive Network Models for the Valuation of Residential Property”, Journal of Property Tax Assessment and Administration,Vol.2 No.2,pp.51-67.zh_TW
dc.relation.reference2.Borst,R.A(1992), “Artificial Neural Network: the Next Modelling /Calibration Technology for the Assessment Community”,Artificial Neural Network,pp.64-94.zh_TW
dc.relation.reference3.Daniels,H. ＆ Kamp,B. (1999) , “Application of MLP Network to Bond Rating and House Pricing ”, Neural Computing ＆ Applications ,Vol.8,pp.226-234.zh_TW
dc.relation.reference4.Do,A.Q. ＆ Grudnitski,G (1992),“A Neural Network Approach to Residential Property Appraisal“,The Journal of Real Estate Research,December,pp.38-45zh_TW
dc.relation.reference5.Do,A.Q.＆ Grudnitski, G. (1993),“A Neural Network Analysis of the Effect of Age on Housing Values”,The Journal of Real Estate Research,pp.253-264.zh_TW
dc.relation.reference6.Evans,A.,James,H. ＆ Collins,A.(1991), “Artificial Neural Network :An Application to Residential Valuation in the UK“,The Real Estate Rese,December,pp.38-45zh_TW
dc.relation.reference7.Lancaster, K (1966), “A new approach to consumer theory“, The Journal of Political Economy, Vol. 74 (2), p 132-152.zh_TW
dc.relation.reference8.Lewis,O.M.,Ware,J.A. ＆ Jenkins,D.H.(2001),“Identification of Residential Property Sub-Markets using Evolutionary and Neural and Computing Techniques”, Neural Com puting and Applications, Vol.10,No.2,pp.108-119.zh_TW
dc.relation.reference9.Mcgreal,S.,Adair,A.,Mcburney,D.＆Patterson,D. (1998),“Neural Networks：the Prediction of Residential Values”, Journal of Property Valuation ＆Investment,Vol.16 No.1,pp.57-70.zh_TW
dc.relation.reference10.Nguyen ,N. ＆ Cripps,A. (2001),“Predicting Housing Value ：A Comparison of Multiple Regression Analysis and Artificial Neural Networks ,The Journal of Real Estate Research,Vol.22,No.3,pp.313-336.zh_TW
dc.relation.reference11.Roger ,S.(1993) , “Selecting Data for Neural Networks”,Ai Expert ,February,pp.43-47.zh_TW
dc.relation.reference12.Rosen, K. T. (1979),, A Regional Model of Multi-family Housing Starts, Journal of the American Real Estate and Urban Economics Association, 1979, 7:1, 63-76.zh_TW
dc.relation.reference13.Tay,D.P. ＆ Ho ,D.k. (1991), Artificial Intelligence and the Mass Appraisial of Residential Apartments”, Journal of Property Valuation ＆Investment,Vol.10 ,pp.525-540.zh_TW
dc.relation.reference14.William,B.R ＆ Dennis,S.T(1995) , “Artificial Intelligence: The Future of Appraising”,The Appraisal Journal ,October,pp.429-435.zh_TW
dc.relation.reference15.Worzala,E.M. ＆ Silva, A. (1996),“High-tech Valuation :Should Artificial Neural Network Bypass the Human Valuer?”,Appraisal Journal ,January,pp.89-109.zh_TW
dc.relation.reference16.Worzala,E.M., Lenk, M.＆ Silva, A. (1995),“An Exploration of Neural Network and Its Application to Real Estate Valuation”,The Journal of Real Estate Research,Vol.10,No.2,pp.185-202.zh_TW
dc.relation.reference(三)、網頁部分zh_TW
dc.relation.reference1. http://www.cis.hut.fi/ahonkela/dippa/node41.htmlzh_TW
item.openairetypethesis-
item.fulltextWith Fulltext-
item.grantfulltextopen-
item.cerifentitytypePublications-
item.languageiso639-1en_US-
item.openairecristypehttp://purl.org/coar/resource_type/c_46ec-
Appears in Collections:學位論文
Files in This Item:
File SizeFormat
index.html115 BHTML2View/Open
Show simple item record

Google ScholarTM

Check


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.