유전자 알고리즘과 인공신경망을 이용한 공시지가 자동 산정에 관한 연구
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | 위규범 | - |
dc.contributor.author | 홍영철 | - |
dc.date.accessioned | 2019-10-21T06:46:55Z | - |
dc.date.available | 2019-10-21T06:46:55Z | - |
dc.date.issued | 2005-08 | - |
dc.identifier.other | 582 | - |
dc.identifier.uri | https://dspace.ajou.ac.kr/handle/2018.oak/16598 | - |
dc.description | 학위논문(석사)--아주대학교 정보통신대학원 :정보처리/전자상거래,2005. 8 | - |
dc.description.abstract | 우리나라는 합리적이고 일관성 있는 지가정보체계를 세우기 위해 1989년 공시지가제도를 도입하여 매년 전국적으로 2700만 필지의 지가를 산정하여 공시하고 있다. 이러한 공시지가 산정 작업은 많은 인력과 비용을 필요로 하기 때문에 이를 자동화할 수 있는 방법에 대한 연구가 꾸준히 이루어지고 있다. 인간 두뇌의 기능을 컴퓨터가 그대로 시뮬레이션 한다면 바로 이것이 인공지능이 목표하는 바일 것이다. 인공신경망(Artificial Neural Networks)과 유전자 알고리즘(Genetic Algorithms)은 인공지능의 대표적인 분야이다. 인공신경망은 인간 신경세포의 기능을 부분적으로 컴퓨터에 구현한 것으로 전통적 통계 기법보다 우수한 예측력을 갖기 때문에 문제해결 규칙을 명시적으로 추출한 수 없는 문제에 널리 적용되고 있다. 유전자 알고리즘은 적자생존과 유전의 매커니즘을 바탕으로 하는 탐색 알고리즘으로 자연 시스템의 적응 과정을 추상화시켜 소프트웨어적으로 구현한 것이다. 인공신경망과 유전자 알고리즘은 상호 보완적인 특성을 갖고 있는 것으로 알려져 있다. 본 연구에서는 인공신경망에 유전자 알고리즘을 접목시켜 공시지가를 자동으로 산정하는 모형을 구축하였다. 지가 자료로는 성남시 분당구 정자동의 공시지가가 이용되었다. 실험결과 인공신경망을 단독으로 사용한 경우보다 결합 모형의 예측력이 더 우수하게 나타났으며, 모형의 구조와 파리미터를 최적화시켰을 때 전체 토지 중 79%에 대해 예측 오차가 50,000(원/㎡) 이하로 만족스러운 결과를 얻을 수 있었다. 본 연구에서 구축된 모형을 이용하여 대량의 토지에 대한 지가를 짧은 시간에 산정할 수 있다. 따라서 예측력을 조금 더 높일 수 있는 방안이 추가될 경우 지역의 지가 수준을 파악하는데 널리 활용될 수 있을 것으로 기대된다. | - |
dc.description.tableofcontents | 목차 제 1장 서론 = 1 1.1 연구의 배경 및 목적 = 1 1.2 연구내용 및 연구방법 = 3 제 2장 인공신경망 = 4 2.1 인공신경망의 개념 및 역사적 배경 = 4 2.2 인공신경망의 구조 = 5 2.3 인공신경망의 학습규칙 = 8 2.4 백프로퍼게이션 학습 알고리즘 = 9 제 3장 유전자 알고리즘 = 13 3.1 유전자 알고리즘의 개념 = 13 3.2 유전자 알고리즘의 기본 구조 = 13 3.3 유전 연산자 = 14 3.4 제어 파라미터의 설정 = 19 3.5 실수코딩 유전자 알고리즘 = 20 제 4장 실험 설계 = 21 4.1 유전자 알고리즘과 인공신경망의 결합 = 21 4.2 공시지가 = 23 4.3 자료 구성 및 데이터 변환 = 29 4.4 모형의 구성 = 34 제 5장 실험 결과 및 평가 = 37 5.1 인공신공망 모형 = 37 5.2 유전자 알고리즘을 이용한 가중치 초기화 = 40 5.3 NN(인공신경망)과 GANN(유전자 알고리즘과 인공신경망의 결합) 모형의 비교 = 45 제 6장 결론 = 49 참고 문헌 = 51 Abstract = 53 | - |
dc.language.iso | kor | - |
dc.publisher | The Graduate School, Ajou University | - |
dc.rights | 아주대학교 논문은 저작권에 의해 보호받습니다. | - |
dc.title | 유전자 알고리즘과 인공신경망을 이용한 공시지가 자동 산정에 관한 연구 | - |
dc.title.alternative | A Study on the Automatic Appraisal of the Poste dLand Price Using Genetic Algorithms and Artificial Neural Networks | - |
dc.type | Thesis | - |
dc.contributor.affiliation | 아주대학교 정보통신대학원 | - |
dc.contributor.department | 정보통신대학원 정보처리/전자상거래 | - |
dc.date.awarded | 2005. 8 | - |
dc.description.degree | Master | - |
dc.identifier.localId | 564802 | - |
dc.identifier.url | http://dcoll.ajou.ac.kr:9080/dcollection/jsp/common/DcLoOrgPer.jsp?sItemId=000000000582 | - |
dc.description.alternativeAbstract | The land price of 27 hundred thousand lots has been appraised and posted throughout the nation every year, since the posted land price system was introduced to establish reasonable and consistent land price system. The study on the method for automating this work has been being steadily achieved, because a lot of manpower and cost are required in appraising the posted land price. If a computer could simulate the function of the human brain as it is, that is the object of artificial intelligence. Artificial Neural Networks and Genetic Algorithms are representative field of artificial intelligence. Artificial Neural Networks that implement in part the function of human neural cell in computer has been widely adopted to the problem of which solution rule can't be clearly analyzed, because it has more excellent predicting ability than traditional statistic techniques. Genetic algorithm, that is based on survival of the fittest and search algorithm, is abstraction and software implementation of the fitting process of natural system. Genetic Algorithms and Neural Networks are known to have mutually complementary property. In this research I built the model that could automatically appraise land price combining Neural Networks with Genetic Algorithms. Posted land price data of Seongnam-Si Bundang-Gu Jeongja-Dong were used for the experiment. As a result of experiment, prediction performance of combined model showed better performance than the one with Neural Networks only, and prediction error for 79% lots of whole land was under 50 thousand(won/square meter), which was quite successful, when the structure of model and parameter was optimized. Land price of numerous lots could be appraised in a short time, if the model constructed through this research is used. Thus it is expected to be widely applied to grasp the level of land price of an area, if some methods that could enhance prediction performance is added. | - |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.