住宅価格予測の精度が向上！最初の論文の詳細な説明: ニューラル ネットワークは住宅価格の空間的不均一性を新たに説明します
2023年7月、中国科学技術情報院、科学技術省新世代人工知能開発研究センター、関連研究機関がまとめた「中国AI科学イノベーションマップ研究報告書」が正式に発表された。データは次のことを示しています。私の国は、科学のための AI の論文を最も多く発表しており、世界的に科学のための AI の開発を積極的に推進しています。
AI4Sの普遍化をさらに促進し、学術機関の科学研究成果の普及障壁をさらに引き下げ、より幅広い業界の学者、技術愛好家、産業部門と共有するために、HyperAI は、「Meet AI4S」と呼ばれる一連のライブ ブロードキャスト コラムを企画しており、科学向け AI の分野に深く関わっている研究者や関連ユニットを招待し、研究結果、手法、アイデアをビデオの形式で共有します。
ライブブロードキャスト「Meet AI4S」シリーズの最初のエピソードは、7 月 17 日の 19:00 に正式に開始されます。幸いなことに、浙江大学からリモート センシングと地理情報システムの博士課程の学生である丁 佳楽氏を招待します。 「住宅価格の空間的不均一性を提供するニューラルネットワーク」、タイトルは「新しい解釈」、モデルの設計思想や応用シナリオをシンプルかつ分かりやすく紹介し、さらに地理加重回帰という空間回帰分析手法についても共有します。
クリックしてライブブロードキャストをスケジュールします:Meet AI4S ライブ ブロードキャスト シリーズの最初のエピソード | ニューラル ネットワークは住宅価格の空間的不均一性について新しい説明を提供します
ゲスト紹介
内容紹介
異なる空間位置にある地理要素間の回帰関係の空間的非定常性を特徴付けるために、地理加重回帰などの空間回帰モデルは、空間的に近いサンプルに高い重みを割り当て、地理の第一法則に基づいて局所回帰関係を確立します。 。ただし、複雑な都市シーンでは、単純な直線距離では実際の空間的近接性を完全に反映することはできません。
シンプルなニューラル ネットワーク モデルを通じて、回帰結果の空間的解釈可能性を維持しながら空間的近接性の表現を最適化し、より高いモデリング精度を実現します。
さらに、時空間インテリジェント回帰モデル ライブラリもオープンソース化しました。これには、GNNWR、GTNNWR モデル、その他の派生モデルのソース コード、モデル使用法のチュートリアル ノート、および公開された Python ホイールが含まれています。
プロジェクトアドレス:
https://github.com/zjuwss/gnnwr
生放送の収穫
1. チームの主要な研究メンバーと会話し、チームの osp-GNNWR モデルの設計思想とその運用ロジック、および住宅価格予測における役割について深く理解します。
2. 従来の空間非安定性モデリング手法である地理的重み付け回帰 (GWR) の使用法と欠点についての深い理解。
3. 住宅価格分析の初心者から進歩して、住宅価格のモデル予測の基礎となるロジックを理解し、住宅価格分析の新しいアイデアを獲得します。
論文レビュー
チームが発表したosp-GNNWRモデルは、「地理的に重み付けされた回帰アプローチにおける空間的近接性の測定を最適化するニューラルネットワークモデル：ケーススタディ」というタイトルで、地理情報科学の分野で有名なジャーナルインターナショナルに掲載されました。武漢の住宅価格について」地理情報科学ジャーナル。
用紙のアドレス:
https://www.tandfonline.com/doi/full/10.1080/13658816.2024.2343771
研究のハイライト
* 最適化された空間近接指標を導入し、ニューラル ネットワーク アーキテクチャに統合することにより、住宅価格などの地理的プロセスの空間分布の研究における地理的重み付け回帰の適用可能性が効果的に向上します。
* シミュレートされたデータセットと武漢の住宅価格の経験的ケースの研究を通じて、論文で提案されたモデルは世界的に優れたパフォーマンスを持ち、複雑な空間プロセスと地理的現象をより正確に記述できることが証明されました。
* これにより、ローカル条件に従って空間近接メトリクスをカスタマイズする方法を研究する新しい方法が開かれ、それによってさまざまな地理空間回帰モデルのパフォーマンスが向上します。
データセットの取得
研究チームは、空間不均一性シミュレーション データセットと、武漢市のさまざまな住宅価格の 968 件の実証事例を含む実際のデータセットを使用し、データの品質を大幅に確保しました。
osp-GNNWRモデルの構築
osp-GNNWR モデルの構築は 2 つのステップに分かれています。最初のステップは、最適化された空間近接測度 (OSP) を取得することです。2 番目のステップは、OSP と GNNWR をさらに組み合わせて、最終的に osp-GNNWR モデルを構築することです。
まず、複雑な地理解析においてより正確な空間近接測定を取得するために、研究チームは研究プロセス中にユークリッド距離、マンハッタン距離、移動時間を含むさまざまな距離測定方法を統合し、空間近接(OSP)を最適化しました。
その後、研究者らは OSP と GNNWR をさらに組み合わせ、最終的に OSP-GNNWR モデルを構築しました。 GNNWR モデルは、通常最小二乗法 (OLS) とニューラル ネットワークを組み合わせて、地理的加重回帰 (GWR) と同様の概念に基づいて空間非定常性を推定し、複雑な地理的プロセスを伴うさまざまな分野の空間非定常性問題を解決するのに適しています。
したがって、最終的に構築された osp-GNNWR モデルには、現実世界の地理的プロセスにおける空間的不均一性を描写する上で潜在的な利点があります。簡単に言えば、このモデルは住宅価格予測の精度を向上させ、不動産環境の管理と構築を支援し、人々の住宅幸福指数を向上させます。
クリックして全文解釈を表示: 武漢の住宅価格を正確に予測!浙江大学の GIS 研究室は、複雑な空間プロセスと地理現象を正確に記述する osp-GNNWR モデルを提案しました。
浙江省資源環境情報システム重点研究所
浙江省資源環境情報システム重点研究所は、1993 年 11 月に設立が承認され、1995 年 4 月に一般公開されました。主にデジタルアースおよび地理情報システム、リモートセンシング、グローバルなどの国家ハイテク分野を対象としています。測位システム技術。この研究室には、地理情報科学の学部プログラム、リモートセンシングおよび地理情報システムの修士号、および博士課程があります。
研究室では、基礎理論手法、コア基盤技術、主要工学応用の3つのレベルで研究を行っており、主な基礎研究では、地球システムビッグデータ、地表環境変動プロセス、人類に関する基礎理論と独自手法に関する理論研究を中心としています。 -アースカップリング。コア主要テクノロジーの研究は、時空間ビッグ データ ストレージ管理、高性能 GIS、3 次元 GIS 視覚化、インテリジェント GIS の詳細な分析とマイニングなどの最先端の方向に焦点を当てており、アプリケーションの効率と価値を向上させるために使用されています。超大規模、高精度、非常に複雑な時空間データを収集し、地理情報およびリモート センシングの分野における現在の「スタックネック」ボトルネック問題を解決します。主要な工学応用研究は、天然資源、海洋、測量および地図作成に焦点を当てています。 、農業、林業、交通、環境保護、防災・減災などの重要な国家戦略や社会応用ニーズに応えるソフトウェア開発を行っており、実用化ニーズの解決を目指した研究開発と成果変換を行っています。
AI4S ライブ シリーズを紹介します
HyperAI (hyper.ai) は、データサイエンス分野における中国最大の検索エンジンであり、AI for Science の最新の科学研究成果に焦点を当て、Nature や Science などのトップジャーナルの学術論文をリアルタイムで追跡しています。これまでに 100 件を超える AI for Science 論文の解釈を行っています。
さらに、中国で唯一の AI for Science オープンソース プロジェクト awesome-ai4s も運営しています。
プロジェクトアドレス:
https://github.com/hyperai/awesome-ai4s
AI4S の普遍化をさらに促進し、学術機関の科学研究成果の普及障壁をさらに引き下げ、より幅広い業界の研究者、技術愛好家、産業界と共有するために、HyperAI は「Meet AI4S」ビデオ コラムを企画しました。 AI に深く関わっている人々を招待し、科学研究分野の研究者や関連部門を招待し、研究結果や方法論的アイデアをビデオの形式で共有し、科学研究の進歩の過程で AI 科学が直面する機会と課題について共同で議論します。 AI for Science の科学的普及と普及を促進します。
クリックしてライブブロードキャストをスケジュールします: