Разработка инструментальных средств для поддержки принятия решений в области оценки недвижимости на основе интеллектуальных средств обработки информации тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Тиндова, Мария Геннадьевна

• Тиндова, Мария Геннадьевна
• кандидат экономических наук
• 2008

Оглавление диссертации кандидат экономических наук Тиндова, Мария Геннадьевна

Введение

Глава 1. Значение недвижимости и её оценки в условиях рыночной экономики

1.1. Роль недвижимости в современной рыночной экономике

1.2. Принципы оценки недвижимости

1.3. Подходы в оценке недвижимости

Глава 2. Разработка инструментальных средств для поддержки принятия решений в области оценки недвижимости

2.1. Методологические основы разрабатываемых инструментальных средств

2.2. Визуализация результатов оценивания с помощью нейронных карт Кохонена и возможностей ГИС-технологий

2.3. Построение лингвистических переменных

2.4. Построение базы знаний

2.5. Анализ тенденций роста цен с помощью карт Кохонена

2.6. Особенности использования комплексного инструментального средства оценки недвижимости

Глава 3. Практическое применение разработанного инструментального средства для поддержки принятия решений в области оценки недвижимости

3.1. Построение базы данных и постановка основных задач

3.2. Исследование построенной модели с помощью нейронных сетей

3.3. Построение нечёткой логической системы для оценки недвижимости

3.4. Временные ряды в оценки недвижимости

Введение диссертации (часть автореферата) на тему «Разработка инструментальных средств для поддержки принятия решений в области оценки недвижимости на основе интеллектуальных средств обработки информации»

Актуальность темы исследования. Одним из приоритетных национальных проектов, объявленных правительством РФ в январе 2006 года с целью повышения благосостояния населения, стал проект «Доступное и комфортное жилье — гражданам России». В связи с этим рынок недвижимости стал одной из наиболее динамично развивающихся сфер российской экономики. Реализация проекта предусматривает введение нового жилья, однако, ограниченность предложения с одной стороны, а также повышение степени недоверия к строительным компаниям с другой («замороженные стройки» и др.), приводят покупателя на вторичный рынок жилья. Расширение возможностей ипотеки также способствует этой тенденции. Всё вышеизложенное требует более пристального изучения быстро изменяющейся инфраструктуры рынка недвижимости новыми прогрессивными методами с использованием современных информационных технологий.

Управление рынком недвижимости, как сложной системой, требует определения параметров, характеризующих цену недвижимости, выявление зависимостей, связывающих эти параметры, влияние государственного регулирования и факторов внешнего воздействия.

В условиях наличия репрезентативного набора экспериментальных данных, позволяющих доказать статистические гипотезы о характере распределения, подобное моделирование рынка недвижимости успешно осуществляется на основе традиционных методов математической и экономической статистики.

Однако в условиях невозможности получения информации необходимого качества или её высокой зашумлённости, неполноте и противоречивости такие модели являются неработоспособными. В особенности опасно использование этих моделей при малых статистических выборках, так как полученные на их основе законы распределения не могут отражать существующие закономерности. В таких условиях требуется применение современных инновационных методов, например, методов, построенных на базе нейронных сетей и возможностей ГИС-технологий.

В условиях рыночной экономики, возникает потребность в сравнительном изучении методов определения стоимости объектов недвижимости. Актуальной проблемой является также развитие новых методов оценки недвижимости и методик их применения в условиях современной российской экономики.

Степень разработанности проблемы. Современное состояние разработанности вопроса оценки недвижимости определяется не только широким спектром публикаций, но и реальной необходимостью в создании методики определения продажной стоимости недвижимости, методов анализа результатов оценивания.

На развитие теории оценки недвижимости существенное влияние оказали труды C.B. Грибовского, О.В. Ефимовой, А.Н. Жигло, Ю.Г.Куракина, Ф. Миллера, Ш.П. Пратта, Р. Риттермана, С.А. Сивеца, Г.М.Стерника, Е.И. Тарасевича, Г.С. Харрисона, которые сформировали теоретическую базу оценки недвижимости.

Прогнозированию финансовых рядов посвящены работы: С. Майерса и Р. Брейли (Англия), Ф. Шостака (Австралия), Юджина Фамы (Чикагский университет) и некоторые другие. В России эта тема привлекла внимание группы учёных под руководством С. Моисеева.

Развитие теоретических и практических аспектов применения нейронных сетей в экономической сфере отразили в своих исследованиях A.B. Андрейчиков, Е.П. Бочаров, А.Н. Горбань, Г. Дебок, A.A. Емельянов, Т.Кохонен, A.A. Питенко, Д.А.Россиев.

Несмотря на существование довольно внушительного теоретико-практического фундамента классических методов оценки объектов недвижимости, следует отметить, что применение в данном процессе современных инструментальных средств обработки информации, основанных на интеллектуальном анализе данных, весьма незначительно. В связи с этим возникла как научная, так и практическая необходимость исследования, посвященного проблемам симбиоза методов, способов, принципов оценивания, построения математических моделей, в которых при учёте факторов неточности и неопределенности большая роль отводится логике человеческих суждений и оценок.

Целью диссертационного исследования является построение методологии оценки недвижимости, основанной на механизмах интеллектуального анализа данных.

Задачи исследования. В рамках поставленной цели предполагается решение следующих задач:

1) провести анализ современного состояния проблемы оценки недвижимости и выявить круг задач в рамках этой проблемы, решаемых на г основе интеллектуального анализа данных;

2) сформулировать концепцию оценки недвижимости на основе оригинальных инструментальных средств, включающих в себя базы кодированных данных, информационные слои в форме ГИС-карт города и средство проецирования (переноса) в виде индекса районирования информационной ситуации базового района на другие районы города;

3) разработать методику оценки недвижимости на основе выработанной концепции;

4) разработать и программно реализовать инструментальное средство визуализации полученных результатов;

5) исследовать динамику ценового роста объектов недвижимости посредствам разработанных инструментальных средств;

6) разработать интеллектуальное средство обработки информации в виде базы знаний для систем нечёткого вывода.

Объектом исследования являются теоретические и практические проблемы процесса оценки недвижимости с использованием методов нейронных сетей и элементов ГИС-технологий.

Предметом исследования выбраны методы и результаты оценки объектов рынка жилья г. Саратова.

Работа выполнена в рамках паспорта специальностей ВАК 08.00.13 — Математические • и инструментальные методы экономики (область исследования 2.3. «Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях»).

Теоретическая и методологическая основа исследования. Проблема неопределённости, неполноты и противоречивости данных занимает ключевое место в общей проблеме оценки недвижимости, и возможность её решения рассматривают в применении новых информационных технологий, составной частью которых являются интеллектуальные средства обработки информации.

В частности, применение нейронных сетей, их интеграция с методами и моделями статистического, математико-экономического моделирования и прогнозирования, теории нечётких множеств, анализа временных рядов, методов анализа иерархий позволяет расширить класс решаемых оценочных задач.

Методологическую основу исследования составили труды отечественных и зарубежных ученых, посвященные проблемам оценки недвижимости, применению нейронных сетей в вопросах финансового прогнозирования и возможности географических информационных систем.

Информационной базой исследования явились статистические данные Росстата по Саратовской области, показатели риэлтерских компаний региона (среди них «Авангард строй», «Волгожилстрой», «ЗАО ЖБК-3» и некоторые другие), материалы периодической печати по изучаемой проблеме (например, журналы «Недвижимость», «Квартал») и \уеЬ-зак-ы недвижимости.

Методы научного исследования. В ходе выполнения диссертационной работы применялось выборочное наблюдение, обследование, группировка, сравнение, анализ и обобщение, экспертный анализ, непараметрический анализ данных, анализ на основе нейронных сетей, возможности ГИС-технологии, нечёткий логический вывод, системный и комплексный подходы исследования.

Положения диссертационного исследования, выносимые на защиту:

1) Процесс оценки недвижимости, основанный на интеллектуальных средствах обработки информации, включает в себя следующие основные этапы: формирование базы масштабированных данных; составление и реализацию математической модели оценки недвижимости в нейросетевом базисе; визуализацию полученных результатов по средствам синтеза нейронных карт и элементов геоинформационных технологий; дальнейший анализ полученных результатов на основе лингвистических переменных, вводимых в модель.

2) Алгоритм визуализации полученных результатов оценивания имеет следующий вид. На основе нейросетевой модели оценки недвижимости строится нейронная карта Кохонена, которая рассматривается как информационный слой в ГИС-карте города. После её наложения на другие информационные слои посредством возможностей геоинформационных технологий делаются выводы о получаемых закономерностях.

3) Алгоритм построения лингвистических переменных, вводимых в оценочную модель, включает следующие основные этапы: экспертный анализ базы данных, который позволяет определить названия и количество лингвистических переменных; количество термов (п) для каждой переменной, что определяется исходя из количества кластеров в построенной карте Кохонена; центр каждого кластера принимается за вершину функции принадлежности лингвистической переменной, её размах определяет «внутрикластерная» дисперсия.

4) Алгоритм исследования пространственно-временного роста цен объектов недвижимости, основанный на интеллектуальных средствах обработки информации, состоит из следующих шагов: построения модели методами гармонического анализа; обучения карты Кохонена в момент времени V, определения вида карты в момент ¿+7 при использовании возможности геоинформационных систем.

Научная новизна проведенного исследования заключается в разработке инструментальных средств для поддержки принятия решений в области оценки недвижимости на основе интеллектуальных средств обработки информации. Отдельные элементы новизны содержатся в следующих результатах исследования, полученных лично автором и выносимых на защиту.

1. Разработаны методологические аспекты для создания инструментальных средств оценки недвижимости, отличающиеся от известных применением элементов интеллектуальных средств обработки информации, что позволяет расширять круг оценочных задач.

2. Разработано инструментальное средство оценки недвижимости, новизна которого состоит в том, что его математическое ядро основано на интеграции самоорганизующихся карт Кохонена, возможностей геоинформационных технологий и элементов нечеткой логики.

3. Сформирован оригинальный алгоритм визуализации полученных результатов на основе разработанного инструментального средства, состоящий в последовательном наложении нейронных карт на ГИС-карты города и позволяющий выявлять дополнительные зависимости между исследуемыми ценообразующими факторами. Проецирование выявленных в базовом районе зависимостей на другие районы города осуществляется с помощью введённого автором индекса районирования.

4. Сформирован алгоритм построения базы знаний для систем поддержки принятия решений на основе нечёткого логического вывода. Новизна предложенного алгоритма заключается в том, что построение лингвистических переменных проводится с помощью нейросетевой кластеризации, а начальные веса используемых карт Кохонена, определяются из результатов статистической обработки и вычисления коэффициентов Спирмена. Предлагаемый подход позволяет минимизировать субъективность мнения экспертов.

5. Разработаны методологические основы анализа динамики роста стоимости объектов жилой недвижимости, отличающиеся от известных применением элементов интеллектуальных средств обработки информации, в которых используется оригинальный алгоритм пространственно-временного анализа ценовых рядов. Алгоритм, основанный на использовании нейронных карт и элементов геоинформационных технологий, позволяет проследить не только тенденции изменения рыночной стоимости объектов недвижимости, но и определить, какие факторы повлияли на это изменение.

Значение результатов диссертационного исследования для теории и практики. Теоретическая и практическая значимость диссертационного исследования состоит в увеличении возможностей оценочных задач, в результате применения описанной методологии оценки как основного инструмента для принятия более эффективных решений в повседневной работе различных экономических секторов рынка недвижимости.

Практическая значимость заключается в возможности использования разработанных теоретических положений и организационно-методических рекомендаций в работе государственных, муниципальных органов управления для определения продажной стоимости недвижимости, а также в работе риэлтерских компаний.

Теоретическая и практическая значимость работы. Сделанные выводы и предложения позволяют использовать разработанное инструментальное средство в процессе принятия управленческих решений в российской оценочной практике. Основы разработанных теоретических положений и организационно-методических рекомендаций для совершенствования оценки недвижимости способны подстегнуть формирование легального рынка недвижимости, создать базу для работы налоговых органов, активизировать инвестиции в недвижимость, могут послужить основой для дальнейшего совершенствования оценочного процесса.

Результаты исследования могут использоваться в системе профессиональной подготовке и повышении квалификации профессиональных риэлтеров и оценщиков, а также при разработке методического обеспечения дисциплин «Оценка недвижимости», «Экономика управления недвижимостью», «Управление государственным и муниципальным имуществом» для студентов экономических ВУЗов специальности «Оценочная деятельность».

Апробация результатов исследования. Основные положения диссертации и результаты проведенных исследований были раскрыты в докладах на научно-практических конференциях, в том числе на семинаре «Научная кооперация между Россией и Германией - исторические, современные и практические аспекты» стипендиатов 2007-2008 года совместной российско-германской программы «Михаил Ломоносов».

Результаты исследования были опубликованы в форме статей и тезисов в сборниках научных трудов и тезисов докладов.

Положения диссертации были использованы в учебном процессе ГОУ ВПО СГСЭУ в ходе преподавания дисциплин «Оценка недвижимости» и «Нейросетевой анализ экономической информации» для студентов специальности «Оценочная деятельность».

Методические разработки и положения диссертации получили положительную оценку профессиональных оценщиков риэлтерских фирм ООО «А.И.Т.», ООО «Агентство анализа, консалтинга и менеджмента» г. Саратова и применяются ими на практике в оценке рыночной стоимости объектов жилой недвижимости, а также в ходе проведения консультаций по инвестированию в объекты недвижимости.

Основные положения диссертации были апробированы на данных немецкого рынка недвижимости в ходе научной стажировки автора в Горном университете г. Вупперталь (Германия).

Заключение диссертации по теме «Математические и инструментальные методы экономики», Тиндова, Мария Геннадьевна

Заключение

Результатом проведенных исследований стало построение модели оценки недвижимости, основанной на методах интеллектуального анализа данных.

Проведенный в ходе выполнения работы анализ проблемы оценки недвижимости показал, что на современном этапе развития отечественного бизнеса недвижимость приобретает всё большее значение, так как она составляет наибольший удельный вес в стоимости собственности юридических и физических лиц, а также является значимым внутренним инвестиционным источником. Однако на современном этапе развития рынка недвижимости не существует единого способа оценки объектов недвижимости, определения её продажной стоимости. Это обусловлено быстро изменяющейся инфраструктурой рынка недвижимости, а также тем, что использование в процессе оценки традиционных методов математической и экономической статистики не может отразить существующие закономерности вследствие отсутствия репрезентативных данных.

В диссертационной работе предложена концепция оценки недвижимости, основанная на совместном использовании нейросетевого анализа данных, возможностей геоинформационных технологий и методов нечеткого логического вывода. На основе предложенной концепции разработана методика оценки недвижимости, включающая в себя формирование базы данных объектов недвижимости, создание и обучение нейронного классификатора, составление информационных слоев в форме ГИС-карт города, сформированных с помощью самоорганизующихся карт Кохонена и проведение оценки объектов недвижимости с использованием средств нечеткого логического вывода.

Предложенная методика позволяет уточнить решение задачи оценки недвижимости, по сравнению с традиционными статистическими методами, за счет расширения числа факторов, учитываемых при оценке, а также в рамках единого метода решить прямую и обратную оценочную задачу. Данная методика обладает высокой гибкостью, так как ее функциональность можно легко расширить, вводя новые оценочные критерии.

Нейронные сети, использованные в предложенной методике, представляют собой обучающиеся модели, что позволяет «доучивать» их при поступлении новых данных. При этом возможно использование малых обучающих выборок, не обеспечивающих получение достоверных результатов классическими математическими методами.

В работе разработано инструментальное средство для оценки недвижимости, реализующее предложенную методику оценки. Инструментальное средство разработано с использованием среды Ма^аЬ и включает в себя модуль формирования и анализа данных об объектах недвижимости, модуль нейросетевого анализа на основе карт Кохонена, ГИС-модуль и модуль нечеткого логического вывода. Инструментальное средство позволяет:

• достоверно судить об объектах, даже если наличествует неполная информация;

• извлекать информацию из базы данных, основываясь на неполных характеристиках объектов;

• обеспечивать простую визуализацию данных;

• обнаруживать изолированные структуры в данных;

• оперировать значительным количеством комплексных данных;

• выявлять неявные связи и закономерности между признаками;

• проводить оценку объектов в динамике, оценку изменений как в целом по структуре кластеров, так и по отдельности;

• прогнозировать значения одних признаков объектов через другие;

• осуществлять фильтрацию объектов с учетом поисковых критериев. 1

Применение нечетких логических выводов в составе разработанного инструментального средства позволяет в сжатой форме представлять все необходимые сведения об исследуемых объектах и процессах.

Представленные возможности позволяют строить на основе данного инструментального средства полноценную систему поддержки принятия решений в области рынка недвижимости.

Разработанное инструментальное средство позволяет проводить прогнозирование ценового роста объектов недвижимости г. Саратова на более долгосрочные периоды, чем классические статистические методы.

Проведённый с помощью разработанного инструментального средства анализ динамики показал, что на рост цен в большой степени влияет изменение экологической и криминогенной обстановки в районе.

Таким образом, разработанная в диссертационном исследовании методология оценки объектов недвижимости, может служить базой для принятия управленческих решений в сфере оценки недвижимости.

Список литературы диссертационного исследования кандидат экономических наук Тиндова, Мария Геннадьевна, 2008 год

1. Азгальдов Г.Г., Карпова H.H. Об одной из проблем применения затратного подхода. // Вопросы оценки. Профессиональный научно-практический журнал, 2003, №2.

2. Айвазян С.А. Прикладная статистика: Основы моделирования и первичная обработка данных. Справочное изд. — М.: Финансы и статистика, 1983.

3. Айвазян С.А. Прикладная статистика и основы эконометрики: Учебник для ВУЗов. М.: ЮНИТИ, 1998.

4. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.

5. Айзерманн М.А., Браверманн Э.М., Рононоэр Л.И. Метод потенциальных функций в теории обучения машин-М.:Наука, 1970.

6. Андрейчиков A.B., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М.: Финансы и статистика, 2002.

7. Андрейчиков A.B., Андрейчмкова О.Н. Интеллектуальные информационные системы. Учебник. М.: Финансы и статистика, 2006.

8. Анисимова И.Н., Баринов Н.П., Грибовский C.B. О повышении достоверности рыночной стоимости методом сравнительного анализа. // Вопросы оценки. Профессиональный научно-практический журнал, 2002, № 1.

9. Анисимова И.Н., Баринов Н.П., Грибовский C.B. Учет разнотипных ценообразующих факторов в многомерных регрессионных моделях оценки недвижимости. // Вопросы оценки. Профессиональный научно-практический журнал, 2004, №2.

10. Антонов А. Программные средства ГИС под MS Windows // ГИС-обозрение, 1996.

11. Арбиб М. Метафорический мозг. М.: Мир, 1976.

12. Афанасьев В.Н. Анализ временных рядов и прогнозирование: Учебник. -М.: Финансы и статистика, 2001.

13. Бейлизон Ю.В. Конспект лекций по основным принципам оценки технического состояния объектов недвижимости.

14. Берлянт A.M. Геоинформационное картографирование. М.: Астрея, 1997.

15. Берлянт A.M. Развитие теории методов создания геоизображений. // Геодезия и картография, 2001, № 11.

16. Берлянт A.M. Электронное картографирование в России. Элетрон. ресурс. - Режим доступа: http://www.pereplet.ru/obrazovanie/stsoros/926.html

17. Берлянт A.M., Жалковский Е.А. К концепции развития ГИС в России // Гис-обозрение, 1996.

18. Болдырев B.C., Фёдоров А.Е. Введение в теорию оценки недвижимости. 1997.

19. Большой юридический словарь / Под ред. А .Я. Сухарева, В.Е. Крутских.-М., 2002.

20. Вапник В.Н. Восстановление зависимости по эмпирическим данным. — М.: Наука, 1979.

21. Васильев В.И. Распознающие системы. Справочник. Киев, Наукова думка, 1983.

22. Галушкин А.И. О работах по нейрокомпьютерам в Научном центре нейрокомпьютеров Российской Академии наук // Новости искусственного интеллекта. 1992. № 4.

23. Гармиз И.В., Кошкарёв A.B., Тикунов B.C., Трофимов A.M. Теоретические и методологические аспекты развития географических информационных систем // География и природ, ресурсы, 1991, № 1.

24. Горбань А.Н. Обучение нейронных сетей. М.: СП Параграф, 1990.

25. Горбань А.Н., Дунин-Барковский B.JL, Кирдин А.Н., Миркес Е.М., Новоходько А.Ю., Россиев Д.А., Терехов С.А., Сенашова Н.Ю., Царегородцев В.Г. Нейроинформатика. Новосибирск: Наука. Сибирское предприятие РАН, 1998.

26. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996.

27. Горбунов А. Применение самоорганизующихся карт в бизнесе и финансах. // «Банковские Технологии», 1999, №4.

28. Гордиенко Е.К., Лукьяница A.A. Искусственные нейронные сети. Основные определения и модели // Техническая кибернетика. 1994, №5.

29. Грибовский C.B. Оценка доходной недвижимости. СПб: Питер, 2001.

30. Грибовский C.B., Медведева O.E., Касьянов П.В. Курс лекций по оценке рыночной стоимости земельных участков.

31. Грибовский C.B., Сивец С.А., Левыкина И.А. Новые возможности сравнительного подхода при решении старых проблем. // Вопросы оценки. Профессиональный научно-практический журнал, 2002, № 4.

32. Гровер Р., Полянский А.И., Соловьев М.М. Стандарты оценки недвижимости в системе механизмов государственного регулирования. // Вопросы оценки. Профессиональный научно-практический журнал, 2001, №3.

33. Демонстрационный отчёт об оценке объекта недвижимости складского назначения.

34. Добрынин Д., Савельев А. Нейронные технологии для тематического дешифрования ДДЗ. //Тис-обозрение, № 1, 1999. Элетрон. ресурс. -Режим доступа: http://www.scanex.ru

35. Доугерти К. Введение в эконометрику: учеб. пособие. М.: Инфра-М, 1997.

36. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы: Учебник. М.: Финансы и статистика, 2000.

37. Дьяконов В. Matlab 6: учебный курс. СПб. Литер, 2001.

38. Ежов A.A., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе, М.: МИФИ, 1998.

39. Емельянов A.A. Имитационное моделирование в управлении рисками / Монография. Санкт-Петербург: Инжэкон, 2000.

40. Емельянов A.A., Власова Е.А., Дума Р.В. Имитационное моделирование экономических процессов / Под редакцией A.A. Емельянова. Москва: Финансы и статистика, 2002.

41. Емельянов A.A., Анфилатов B.C., Кукушкин A.A. Системный анализ в управлении / Под редакцией A.A. Емельянова. Москва: Финансы и статистика, 2003.

42. Загоруйко Н.Г., Елкина В.Н., Лбов Г.С. Алгоритмы обнаружения эмпирических закономерностей.—Новосибирск: Наука, 1985.

43. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: 1999.

44. Заде JI.A. Понятие лингвистической переменной и её применение к принятию приближенных решений. М.:Мир, 1976.

45. Закс Лотар. Статистическое оценивание. -М.: Статистика, 1976. 50.3амулин A.B. Системы программирования баз данных и знаний.

46. Новосибирск: Наука, 1990. 51.Зарубин В.Н. Функции и методы государственной оценки земли. МАОК, 2002.

47. Зеленский Ю.В. О сопоставимости результатов подходов при оценке недвижимости — принцип согласованности моделей. // Вопросы оценки. Профессиональный научно-практический журнал, 2005, №4.

48. Зиновьев А.Ю. Визуализация многомерных данных // Красноярск, 2000.

49. Интеллектуальные системы и их моделирование. М.-.Наука.

50. Кассандрова О.Н., Лебедев В.В. Обработка результатов наблюдений. -М.: Наука, 1970.

51. Ковалёв А.П. Оценка стоимости активной части основных фондов: Учебно-методическое пособие. -М.: Финстатинформ, 1997.

52. Коновалова Н.В., Капралов Е.Г. Введение в ГИС. -М.: 1997.

53. Корнеев В.В., Греев А.Ф., Васютин C.B., Райх В.В. Базы данных. Интеллектуальная обработка информации. — М.: Нолидж, 2000.

54. Короткий С. Нейронные сети: алгоритм обратного распространения. -Элетрон. ресурс. Режим доступа: http://home.od.Lia/~relayer/algo/neuro/index.html

55. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.

56. Кохонен Т., Дебок Г. Анализ финансовых данных с помощью самоорганизующихся карт.-Изд. Альпина, 2001.

57. Кочетков Ю., Калинина Н. Компьютерная массовая оценка в России: первые результаты. Москва, 1997.

58. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечёткая логика и искусственные нейронные сети: Учеб. пособие. — М.: Физматлит, 2001.

59. Круглов В.В., Дли М.И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода.-М.:Физматлит, 2002.

60. Куссуль Э.М. Ассоциативные нейроподобные структуры. Киев, Наукова думка, 1990.

61. Лавриенко И. Применение ГИС-технологий при изучении и анализе природных экосистем. Элетрон. ресурс. - Режим доступа: http://www.ib.komisc.ni/t/rii/ir/vt/00-28/04.html

62. Лапина Е.П. Технологическая схема создания картографических мультимедиа-продуктов. // Изв. вузов. Сер. Геодезия и аэрофотосъёмка, 1998, № 1.

63. Леоненков A.B. Нечёткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург, 2003.

64. Магнус Я.Р., Катышев П.К., Пересецкий A.A. Эконометрика. Начальный курс. М.: Дело, 2001.

65. Маслобаев Ю.П. Свойства и параметры нейронной сети как объекта Matlab.

66. Медведев B.C., Потёмкин В.Г. Нейронные сети. Matlab 6. -М.: ДИАЛОГ-МИФИ.

67. Мелихов А.Н., Бернштейн Л.С., Коровин С .Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.

68. Моррисон Дж. Картография нового тысячелетия // Геодезия и картография, 1996, № 8.

69. Нейрокомпьютеры и интеллектуальные роботы. Под ред. Н.М.Амосова. Киев, Наукова думка, 1991.

70. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. М.: Наука, 1986.

71. Нечеткие множества и теория возможностей. Последние достижения / Под ред. Р.Ягера.-М.: Радио и связь, 1986.

72. Основы оценочной деятельности / Учебное пособие под ред. к.э.н., доцента Косоруковой И.В. М.: Московский международный институт эконометрики, информатики, финансов и права, 2005.

73. Осовский С. Нейронные сети для обработки информации / Пер с польского И.Д.Рудинского М.: Финансы и статистика, 2002.

74. Оценка рыночной стоимости недвижимости. Учебное и практическое пособие. -М.: Дело, 1998.

75. Питенко A.A. Использование нейросетевых технологий при решении аналитических задач и ГИС. // Методы нейроинформатики, КГТУ. Красноярск, 1998. Элетрон. ресурс. - Режим доступа: http://neuroschool.narod.ru

76. Питенко A.A. Нейросетевой анализ в ГИС. // Автороф. дисс. канд. техн. Наук 05.13.16, Красноярск, 2000.

77. Прикладные нечеткие системы: Пер. с японского / Под ред. Т. Тэрано, К.Асаи, М. Сугено. М.: Мир, 1993.

78. Псиола В.В. Обзор основных нейросетевых моделей.

79. Пустыльник Е.И. Статистические методы анализа и обработка наблюдений. -М.: Наука, 1968.

80. Реальность и прогнозы искусственного интеллекта. М.: Мир, 1987.

81. Ромм А.П. Информационное обеспечение и технология комплексной оценки и функционального зонирования городских территорий // Вопросы оценки. Профессиональный научно-практический журнал, 1998, №2.

82. Рутковская Д., Пилиньский М., Рутковский Д. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Горячая линия -Телеком, 2006.

83. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.

84. Салахутдинов Р.З., Рубцов A.B., Нейросетевой подход к решению задач экономического планирования. // Сб.науч.тр. VIII Всероссийской научно-технической конференции «Нейроинформатика-2006», ч.З, Москва, 2006.

85. Самарин А.И. Модель адаптивного поведения робота, реализованная с использованием идей самоорганизации нейронных структур. — Элетрон. ресурс. Режим доступа: http://wsni2003.narod.ru/Papers/Samarin.htm

86. Сивец С.А., Левыкина И.А. Эконометрическое моделирование в оценке недвижимости. Запорожье: Полиграф, 2003.

87. Соколов E.H., Вайткявичус Г.Г. Нейроинтеллект: От нейрона к нейрокомпьютеру. -М.:, Наука, 1989.

88. Соловьев М.М. Статистика и оценка капитализированной стоимости на рынках недвижимости. // Вопросы оценки. Профессиональный научно-практический журнал, 2000, №4.

89. Соломатин А.Н. Программные средства автоматизации оценки стоимости: анализ, проблемы, принципы и направления разработки. // Вопросы оценки. Профессиональный научно-практический журнал, 2004, №2.

90. Стерник Г.М. Рынок недвижимости России: закономерности становления и развития в условиях переходной экономики. // Вопросы оценки. Профессиональный научно-практический журнал, 1999, №3.

91. Тарасевич Е.И. К вопросу оценки инвестиций в недвижимость с использованием модели ценообразования финансовых активов // Вопросы оценки. Профессиональный научно-практический журнал, 1999, №4.

92. Тарасевич Е.И. Концепция ставки дисконтирования в оценке недвижимости // Вопросы оценки. Профессиональный научно-практический журнал, 2000, №2.

93. Тарасевич Е.И. Современные принципы анализа рынка недвижимости. // Вопросы оценки. Профессиональный научно-практический журнал, 1999, №3.

94. Тарасов В.Б. От искусственного интеллекта к искусственной жизни: новые направления в науках об искусственном // Новости искусственного интеллекта, 1995, №4.

95. Теоретические основы индивидуальной оценки земельных участков. Учебное пособие.

96. Теория статистики: Учебник \ Под ред. Р.А.Шмойловой. М: Финансы и статистика, 1999.

97. Терехов С.А. Лекции по теории и приложениям искусственных нейронных сетей.- Лаборатория Искусственных Нейронных Сетей НТО-2, ВНИИТФ, Снежинск.

98. Тикунов B.C. Мультимедиа в картографии // Вестн. МГУ. Сер. География, 1995, № 5.

99. Тиндова М.Г. Нейронносетевая методология в финансовой сфере: обзор результатов. // Социально-экономическое развитие РоссиЬ: Проблемы, поиски, решения: Сборник научных трудов по итогам научно-исследовательской работы СГСЭУ в 2002 г. Саратов, 2003.

100. Тиндова М.Г. Анализ факторов, влияющих на ценообразование недвижимости. // Поволжский Интернет-журнал, 2004. — Элетрон. ресурс. Режим доступа: http://www.seun.ru/faculty/FIIT/KISE/publish.phpL

101. Тиндова М.Г. О возможности использования ГИС-технологий в решении задач оценки недвижимости. // Экономический анализ: теория и практика, 2005, № 4.

102. Тиндова М.Г. Оценка недвижимости статистическими методами. // Социально-экономическое развитие Росси: Проблемы, поиски, решения: Сборник научных трудов по итогам научно-исследовательской работы СГСЭУ в 2004 г. Саратов, 2005

103. Тиндова М.Г. Сети Кохонена как инструмент ценового районирования города. // Математическое и информационное обеспечение экономической деятельности: Альманах. Саратов, 2006

104. Тиндова М.Г. Применение карты Кохонена для анализа цен объектов недвижимости. // Вестник Саратовского социально-экономического университета, 2006, № 13(2).

105. Тиндова М.Г. К вопросу об интеллектуальной обработке информации в области оценки недвижимости // Прикладная информатика. Научно-практический журнал ISSN 1993-831 — Москва, 2007, №5(11).

106. Тиндова М.Г. Многомерный статистический анализ рынка недвижимости Германии // Вестник Саратовского социально-экономического университета, 2008, № 3(22).

107. Тиндова М.Г. Предварительная кластеризация многомерных объектов в интеллектуальном анализе данных // Вестник Саратовского государственного социально-экономического университета. Саратов, 2008 - №4(23).

108. Уоссерман Ф. Нейрокомпьютерная техника: теория и практика, 2001.

109. Ушаков Е.П. Влияние экологических факторов на рыночную стоимость недвижимости.

110. Ушаков Е.П. Основные правила и процедуры реализации метода сравнимых продаж.

111. Ушаков Е.П. Организация и моделирование массовой оценки недвижимости в имущественном налогообложении. МАОК, 2001.

112. Фридман Дж., Ордуэй Н. Анализ и оценка приносящей доход недвижимости. М., 1995.

113. Фролов У.В., Пастухов Е.С., Мониторинг изменений в банковском сообществе России с применением самоорганизующихся карт Кохонена. //Банковские технологии, 2000, №11.

114. Хаксхолд В. Введение в городские географические информационные системы. New York: Oxford, 1991.

115. Харрисон Г. Оценка недвижимости, М., 1994.

116. Цветков В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998.

117. Чемерикин С.М. Ликвидационная стоимость в оценке недвижимости. // Вопросы оценки. Профессиональный научно-практический журнал, 2001, № 1.

118. Эконометрика \ Под ред. И.И.Елисеевой. — М.: Финансы и статистика, 2001.

119. Экономическая теория / Под ред. А.И. Добрынина, JI.C. Тарасевича, 3-е изд. СПб: Изд. СПбГУЭФ, Изд. «Питер», 2001.

120. AI Gore. The Digital Earth: Understanding Our Planet in the 21st Century, 1998. Элетрон. ресурс. - Режим доступа: http://www.regis.berkeley.edu/rhome/whatsnew/gore digeaith.html

121. Assenmacher, Walter. Einführung in die Ökonometrie, 6. Aufl., München, Wien: Oldenbourg, 2002.

122. Butler J. An Introduction to Geoscience Education Resources on the Internet// Computers and Geosci. 1995. Vol. 21. № 6.

123. Drewniak J. Selfconjugate fuzzy implications. Busefal, France, №81, 2000.

124. Eckey Hans-F., Kosfeld R., Dreger Ch. Ökonometrie. Grundlagen -Methoden Beispiele, 3. Aufl., Wiesbaden: Gabler, 2004.

125. Greene William H. Econometric Analysis, 5. Aufl., London: Prentice Hall, 2002.

126. Fahrmeir L., Kneib T., Lang S. Regression: Modelle, Methoden und Anwendungen. Springer-Verlag, Berlin Heidelberg, 2007.

127. Johnston J., DiNardo J. Econometric Methods, 4. Aufl., New York: McGraw-Hill, 1997/

128. Kohonen T. Self-organization and associative memory. Series in Information Sciences, vol. 8. Berlin: Springer verlag, 1984.

129. Kohonen T. Self-Organizing Maps(2-nd edition), Springer, 1997.

130. Kohonen T. Self-Organizing Maps, Springer, 1995.

131. Lampinen J., Kostiainen T. Self-organizing map in data analysis -notes on overfitting and overinterpretation / Proc. European Symposium on Artificial Neural Networks (ESANN'2000), Bruges, Belgium, 2000. -pp.239-244.

132. Lee, C. C.: Fuzzy Logic in Control Systems: Fuzzy Logic Controller, Part I, II. IEEE Transactions on Systems, Man, and Cybernetics 20, (1990) 404-435.

133. Pal N.R., Bezdek J.C. Extentions of self-organizing feature maps for improved visual displays / Proc. Int. Joint Conf. on Neural Networks (IJCNN'1993), Nagoya, Japan, 1993. Vol.3. pp.2441-2447.

134. Salakhutdinov R.Z., Ismagilov I., Rubtsov A.V. «A Neural-Fuzzy Approach to Economic Data Classification», Proc. of Int. Conf. on Fuzzy Sets & Soft Computing in Economics and Finance, June 17-20, 2004, St.-Petersburg, Russia, pp.394-400.

135. Sanger T.D., "Optimal unsupervised learning in a single-layer linear feedforward neural network" IEEE Trans. Neural Networks, vol. 2, pp. 459— 473, 1989.

136. Schira J. Statistische Methoden der VWL und BWL. Theorie und Praxis. Pearson Studium, München, 2005.

137. Schneeweiß H. Ökonometrie, 4. Aufl., Heidelberg: Physica, 1990.

138. Studenmund A.H. Using econometrics. A practical guide, 4. Aufl., Boston: Addison-Wesley, Longman, 2001.

139. Yager R. An approach to inference in approximate reasoning // Int. J.Man-Machine Studie, v.13, 1980, 323-338p.

140. Wang L.X., Mendel J.M. Generating Fuzzy Rules by Learning from Examples.// IEEE Transaction on Systems, Man, and Cybernetics, 1992, v.22, №66, p. 1414-1427.

141. Wilson D.R., Martinez T.R. Improved heterogeneous distance functions / Journal of Artificial Intelligence Research, 1997. Vol.6. pp.l-34.

142. Zadeh L.A. Fuzzy sets // Information and control. 1965. Vol. 8, №3, 1965. P. 338-353.

143. Zadeh L.A. A Theory of Approximate Reasoning// Machine Intelligence/ Ed. by J. Hayes, D. Michie and L.I. Mikulich.-New York: Halstead Press, 1979.- P. 149-194.