Redes Neurales Aplicadas Al Avaluo Inmobiliario

Autor: Ing. Roberto Piol Puppio

Organismo: Sociedad de lngeniería de Tasación de Venezuela (SOITAVE)

E-Mail: rpiol@yahoo.com

Area el programa
al que se adscribe: AREA GENERAL: Aplicación de Nuevas Tecnologías en la valoración

Teléfono: 58-212-731.13.19

Titulo: Redes Neurales aplicadas al Avalúo Inmobiliario

Abstract:

El propósito de este trabajo, es investigar la aplicaciónde la tecnología de redes neurales en la elaboración de Avalúos Inmobiliarios. Ante el declive de los análisis de regresión múltiple frente a la dinámica del mercado inmobiliario, causado principalmente por la discapacidad de los paquetes estadísticos de considerar algo mas que reglas y modelos matemáticos rígidos. Se comparó la habilidad predictiva de una red neural con modelos de regresiónmúltiple, obteniendo como resultado: En tareas de predicción las redes neurales y los modelos de regresión múltiple generan similares resultados; mientras que para tareas de clasificación las redes neurales rinden mejor.

Palabras Clave: inteligencia artificial, red neural, regresión múltiple, estadística, predicción, clasificación, perceptrón, retropropagación, back-propagation

1.0Introducción a la Inteligencia Artificial

1. La Red Neural Artificial (RNA)

Desde hace años, algunos investigadores han estado creando modelos que simulan la actividad cerebral, en un esfuerzo por producir una forma de inteligencia artificial.

Las RNA están compuestas de un gran número elementos de procesamiento profundamente interconectados (Neuronas) trabajandosimultáneamente para la solución de problemas específicos. Las RNA, tal como las personas, aprenden de la experiencia.

En cualquier caso, se trata de una nueva forma de computo, que es capaz de manejar las imprecisiones e incertidumbres que aparecen cuando se trata de resolver problemas relacionados con el mundo real, ofreciendo soluciones precisas y de fácil implementación.

Las RNA estáncompuestas de muchos elementos sencillos que operan simultáneamente, el diseño de la red está determinado mayormente por las conexiones entre sus elementos, simulando de esta forma las conexiones de las neuronas cerebrales.

1.2 Operación de una Red Neural Artificial:

1.2.1 Los Pesos: Las RNA puede tener factores de peso fijos o adaptables. Las que tienen pesos adaptables empleanleyes de aprendizaje internas para ajustar el valor de la fuerza de interconexión con otras neuronas; de tal manera que los pesos adaptables son esenciales si no se conoce previamente cual deberá ser el valor correcto de los mismos.

Para aquellos software que utilicen rutinas de pesos variables, los mismos serán determinados automáticamente por el programa a partir de la descripción delproblema.

Si las neuronas utilizan pesos fijos, entonces su valor o expresión matemática deberá estar previamente definida y será independiente del tipo de datos a procesar por la red.

1.2.2 Las Leyes de Aprendizaje: Son aquellas que determinan como la red ajustará sus pesos utilizando una función del error o algún otro criterio. La ley de aprendizaje o entrenamiento adecuada,será determina la RNA en base a la naturaleza del problema que intenta resolver.

1.2.3 Tipos de Aprendizaje: Existen dos tipo de aprendizaje o entrenamiento: Supervisado y No Supervisado. El primero ocurre cuando se le proporciona a la RNA tanto los datos de entrada como los de salida; de tal manera que la red ajusta sus pesos tratando de minimizar el error de salida calculada. Elaprendizaje o entrenamiento no supervisado se presenta cuando a la RNA se le proporcionan únicamente los Datos de entrada, y la red ajusta sus interconexiones basándose únicamente en dichos datos y la salida de la propia red (este tipo de entrenamiento no será utilizado para esta monografía).

1.2.4 Fases de Operación de una RNA:

1.2.4.1 Entrenamiento o Aprendizaje de la Red: El...