AI4S 라이브 미리보기를 만나보세요 | 주택 가격 분석을 위한 새로운 아이디어: 신경망은 복잡한 지리적 환경에서 공간적 이질성을 직접 해결합니다.

최근 몇 년 동안 부동산 시장은 기복을 겪었고, 주택 가격은 주민들의 행복감에 영향을 미치는 중요한 요소가 되었습니다. 대부분의 가족은 "집을 살지 말지, 언제 살지, 어디서 살지, 어떤 집을 살지"라는 어려운 결정에 직면해야 합니다. 각 질문에 대한 답변은 어느 정도 주택 가격의 변동과 밀접한 관련이 있습니다.

최근 들어 우리나라 도시 간 주택 가격 차이가 점점 더 두드러지고 있습니다. 같은 도시의 같은 관할구역 내에서도 지역마다 주택 가격은 지역사회 환경, 학군, 관련 상업 시설 및 기타 요인의 차이로 인해 크게 달라질 수 있습니다.이는 지리정보 연구에서 자주 언급되는 "공간적 이질성"입니다.주택 가격의 공간적 특수성을 파악하는 것은 가격의 변화 추세를 예측하는 데 매우 중요합니다.

이를 고려하여,저장대학교 GIS 연구실의 연구원들은 osp-GNNWR 모델을 구축했습니다.공간적 근접성 측정(OSP)은 지리적 신경망 가중 회귀 방법과 결합되었으며, 신경망 방법은 주택 가격 예측에 있어 모델의 정확도를 향상시키기 위해 혁신적으로 도입되었습니다.

HyperAI는 Zhejiang University에서 원격 감지 및 지리 정보 시스템 분야의 박사 과정생이자 논문의 첫 번째 저자인 Ding Jiale을 초대하게 되어 영광입니다.7월 17일 오후 7시 온라인 생중계 형태로,모형의 설계 아이디어와 적용 시나리오를 소개하고, 지리적 가중 회귀 분석의 공간 회귀 분석 방법을 공유합니다.

라이브 방송을 예약하려면 클릭하세요:

AI4S 시리즈 생방송 1화를 만나보세요 | 신경망, 주택 가격의 공간적 이질성에 대한 새로운 설명 제공 www.huodongxing.com/event/2762111401922

게스트 소개

주제 공유:

신경망은 주택 가격의 공간적 이질성에 대한 새로운 설명을 제공합니다.

내용물:

서로 다른 공간적 위치에 있는 지리적 요소들 사이의 회귀 관계의 공간적 비정상성을 특성화하기 위해, 지리 가중 회귀(GWR)와 같은 공간 회귀 모델은 공간적으로 서로 가까운 샘플에 더 높은 가중치를 부여하여 지리학의 첫 번째 법칙에 기반한 지역적 회귀 관계를 확립합니다. 그러나 복잡한 도시 풍경에서는 단순한 직선 거리만으로는 실제 공간적 근접성을 충분히 반영할 수 없습니다.

우리는 회귀 결과의 공간적 해석성을 유지하면서 공간적 근접성의 표현을 최적화하기 위해 간단한 신경망 모델을 사용하여 더 높은 모델링 정확도를 달성했습니다.

또한, GNNWR, GTNNWR 모델 및 기타 파생 모델의 소스 코드, 모델 사용 튜토리얼 노트, 게시된 Python 휠이 포함된 시공간적 지능형 회귀 모델 라이브러리를 오픈 소스로 공개했습니다.

프로젝트 주소:
https://github.com/zjuwss/gnnwr

이 공유 세션을 시청하면 다음 내용을 배울 수 있습니다.

1. GWR의 전통적인 공간 회귀 분석 방법에 대한 어느 정도의 이해를 갖습니다.

2. osp-GNNWR 모델의 설계 아이디어와 기능을 이해합니다.

3. 주택 가격 분석에 대한 새로운 아이디어를 얻을 수 있습니다.

저장성 자원 및 환경 정보 시스템 중점 실험실

저장성 자원환경정보시스템 중점실험실은 1993년 11월 설립 승인을 받고 1995년 4월에 개관했습니다. 이 실험실은 주로 디지털 지구 및 지리 정보 시스템, 원격 탐사, GPS 기술 등 국가 첨단 기술 분야에 중점을 두고 있습니다. 본 연구실은 지리정보과학 분야의 학부 과정과 원격탐사 및 지리정보 시스템 분야의 석사 및 박사 과정을 운영하고 있습니다.

연구실은 기본 이론적 방법, 핵심 핵심 기술, 주요 엔지니어링 응용의 세 가지 수준에서 연구를 수행합니다.

주요 기초연구는 지구시스템 빅데이터, 지표환경 변화과정, 인간-지구 결합의 기본 이론과 독창적 방법론에 초점을 두고 있습니다. * 핵심핵심기술 연구는 시공간적 빅데이터 저장관리, 고성능 GIS, 3차원 GIS 시각화, 지능형 GIS 심층분석 및 마이닝 등 최첨단 기술 방향에 집중하여 초대형, 고정밀, 고도로 복잡한 시공간 데이터의 응용 효율성과 가치를 향상시키고, 지리정보 및 원격탐사 분야의 현존하는 '병목' 문제를 해결합니다.

주요 공학 응용 연구는 천연자원, 해양, 측량 및 지도 제작, 농업, 임업, 교통, 환경 보호, 재해 예방 및 완화 등에 중점을 두고 있으며, 주요 국가 전략 및 사회적 응용 요구에 부응하여 소프트웨어 개발 및 결과 변환을 수행하여 실제 응용 요구를 해결하는 것을 목표로 합니다.

AI4S 라이브 시리즈를 만나보세요

HyperAI(hyper.ai)는 데이터 과학 분야에서 중국 최대의 검색 엔진입니다. AI for Science의 최신 과학 연구 결과에 초점을 맞추고 Nature, Science 등 최고 저널에 실린 학술 논문을 실시간으로 추적합니다. 지금까지 100편이 넘는 AI for Science 논문의 해석을 완료했습니다.

또한, 우리는 중국 유일의 AI for Science 오픈소스 프로젝트인 awesome-ai4s도 운영하고 있습니다.

프로젝트 주소:

https://github.com/hyperai/awesome-ai4s

AI4S의 보편화를 더욱 촉진하기 위해 학술 기관의 과학적 연구 성과는 보급 장벽을 더욱 낮추고 더 광범위한 산업 학자, 기술 애호가 및 산업 단위와 공유될 것입니다.HyperAI는 과학을 위한 AI 분야에 깊이 관여하는 연구자나 관련 부서를 초대하여 연구 결과, 방법 및 아이디어를 영상 형식으로 공유하도록 하는 "AI4S를 만나보세요" 영상 칼럼을 기획했습니다.우리는 과학 연구 진행 및 구현에 있어 AI for Science가 직면한 기회와 과제를 함께 논의하고, AI for Science의 대중화와 보급을 촉진할 것입니다.