文献

J-GLOBAL ID：201802216444438385   整理番号：18A1256139

構造化ディープニューラルネットワークを用いたスマート不動産評価【JST・京大機械翻訳】

Smart real estate assessments using structured deep neural networks

著者 (2件)： Xu Haiping (Computer and Information Science Department, University of Massachusetts Dartmouth, Dartmouth, MA, USA) ,  Gade Amol (Computer and Information Science Department, University of Massachusetts Dartmouth, Dartmouth, MA, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI  ページ： 1-7  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： スマート都市において,地方自治体によって支配される効果的で正確な不動産評価は,特性税を決定するために重要である。このような評価は決して自明ではなく,不適切な評価は所有者と自治体の間の論争をもたらす可能性がある。本論文において,著者らは,現実の状態値をスマートに,そして,効果的に評価するために,深い学習アプローチを導入した。層状知識グラフを導出し,それに基づく構造化Deepニューラルネットワーク(DNN)を設計するための系統的方法を提案した。構造化DNNのニューロンは構造的に接続され,ネットワーク時間と空間効率を効率的にする。したがって,それは訓練のためのより少ないデータポイントを必要とする。構造化されたDNNモデルは,最近取得されたデータ点から学習するように設計されている。したがって,それは最新の市場動向に適合するモデルを可能にする。提案した手法の有効性を実証するために,小都市における実際の特性を評価する事例研究を用いた。構造化されたDNNは,現実の状態領域における特性評価のための層状知識グラフと一致するように設計された。それはニューロンの有意な減少とそれらの間の接続をもたらす。実験結果は,構造化されたDNNが従来の多変量線形回帰モデル,完全に接続されたニューラルネットワーク,および主要な不動産企業によって使用された予測方法より優れていることを示している。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： モデル ,  学習 ,  事例研究 ,  ニューロン ,  *不動産 ,  地方自治体 ,  *ニューラルネットワーク ,  キャラクタリゼーション ,  *構造形成 ,  予測技法 ,  *ネットワーク ,  都市
準シソーラス用語： 中小都市 ,  所有者 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 構造化 ,  ディープニューラルネットワーク ,  不動産 ,  評価