Особенностями выбора ОН есть то, что СРН обращает внимание на значение определенных факторов, которые он считает главными. Другие факторы, чаще всего, остаются вне его внимания. Определяющими факторами являются цена, количество комнат, общая жилая площадь, местонахождение. Поэтому, при формировании множества приемлемых вариантов ОН, чаще всего, СРН ориентируется на значения одного из входных факторов, который является индексным. Далее он осуществляет выбор объекта из этого множества, исходя из оптимальной композиции других факторов. Оптимизировать эту процедуру по времени и позволяет предложенный выше метод. Его практическое применение в реальных задачах является возможным при применении информационноаналитических систем (ИАС) (115-128), ориентированных на определенную базу данных с разработанными алгоритмами функционирования нейронных сетей.
Ведущие ученые считают, что с помощью искусственных нейронных сетей можно решать все задачи. Проблема заключается лишь в правильной формализации исходных данных, задач, выборе архитектуры и принципов функционирования сетей, поскольку их количество составляет несколько тысяч.
Рынок недвижимости является тем объектом исследования, для которого основными процедурами являются упорядочение, систематизация и классификация. Значительное количество объективных факторов, влияющих на эффективность его функционирования и на стоимость ОН, а также немаловажная, если не определяющая роль субъективных преимуществ создают препятствия для анализа и прогнозирования тенденций на РН. Анализируете рынок недвижимости в поисках лучшего варианта, тогда рассмотрите отличный вариант жк панорама, здесь вы найдете квартиру для своей души.
Предложенная технология извлечения незначимых факторов на базе нейросетевых технологий является еще одним вариантом оптимизации мощных баз данных (129, 130). Ее преимуществами является то, что НС без посредничества аналитика определяет, какую информацию можно извлечь без увеличения энтропии и какие факторы являются второстепенными при определении стоимости ОН. Значительно уменьшается количество вычислений при определении записей базы данных, которые отвечают требованиям клиентов. Традиционно для этого нужно было проверить все записи на соответствие каждого их поля определенному критерию. По новой технологии достаточно обучить нейронную сеть классифицировать ОН на эталонных образах, а потом лишь использовать ее в прямом режиме функционирования для определения принадлежности определенным классам всех объектов, содержащихся в базе данных.
Добавить комментарий
Для отправки комментария вы должны авторизоваться.