neuronale Netze, am besten von Bolivien
Die Rückkehr aus Bolivien war anstrengend, 22 Stunden Fahrt und das Komplizierteste war der letzte Zwischenstopp auf dem Flughafen von Comalapa, El Salvador, bevor ich in meinem Startland ankam. Es war eine anstrengende Woche, 8 bis 5 Arbeitstage, die den größten Teil des Tages saßen, viel Essen, aber auch viel Lernen.
Fast alle von uns sind zu dem Schluss gekommen, dass der Kurs zu voll mit Inhalten und sehr wenig praktischer Arbeit war. Dies wirkt sich auf die Belastung eines Lehrers aus, der die Präsentation eines ganzen Tages mit halb langweiligen Powerpoints und einem Publikum auf verschiedenen Ebenen bewältigen muss ... halb eingeschlafen, Die andere Hälfte verlor und einige suchten nach einem praktischen Nutzen für das, was sie bereits taten. Die CD mit den Präsentationen und der Ergänzung mit Ausstellungen aus verschiedenen Ländern hat jedoch gute Ergebnisse gebracht.
Unter den Arbeiten hat mich die Anwendung neuronaler Netze auf komplexe Prozesse nach dem Prinzip der künstlichen Intelligenz am meisten beschäftigt.
Das Problem
Unabhängig davon, ob dies von einer zentralen Einrichtung oder einer örtlichen Gemeinde durchgeführt wird, erfordert die Erhebung der Grundsteuer die Implementierung einer massiven Bewertungsmethode. Dazu gibt es mehrere von vereinfacht (Lügner) bis zu komplex (nicht nachhaltig). Eine dieser weit verbreiteten Methoden ist die Marktmethode für die Bewertung von Grundstücken und die Wiederbeschaffungskosten für Gebäude. Dies erfordert mindestens drei anstrengende Aufgaben:
1. Update der Werte der Verbesserungen. Die Instrumentierung erfolgt durch sogenannte konstruktive Typologien, die aus Haushaltskapiteln bestehen, die wiederum aus konstruktiven Elementen bestehen und aus grundlegenden als Einheitskostenblätter bestehen. Auf diese Weise ist es am einfachsten, die Eingabebasis zu aktualisieren: Materialien, Arbeitskräfte, Ausrüstung und Maschinen, professionellere Dienstleistungen und dann können die Konstruktionstypologien angewendet werden. Die Praktikabilität solcher Methoden besteht darin, dass für die Erfassung von Felddaten für das Bewertungsformular nur die Baufläche, die Konstruktionsmerkmale, die Qualität und die Erhaltung berechnet werden müssen. Gut dokumentiert kann dies die Subjektivität überwinden.
Für ländliche Gebiete werden auch diejenigen Merkmale untersucht, die der Immobilie einen produktiven Wert verleihen, wie beispielsweise Dauerkulturen, handelbare Ressourcen oder potenzielle Nutzung.
2. Kartenupdate Erdwerte. Dies basiert auf einer Stichprobe zuverlässiger Immobilientransaktionen mit einer signifikanten Repräsentation und wird im Laufe der Zeit auf den Marktwert projiziert. Dann werden diese Werte zu homogenen Zonen, die einen Trend enthalten, der auf Nähe und Dienstleistungen basiert.
3. Netzwerk Update Dienstprogramme. Wenn sich beispielsweise der Zustand der Straßeninfrastruktur ändert, wirken sich diese Merkmale beispielsweise auf eine Immobilie an einer oder mehreren ihrer Fronten aus. Daher ist es ideal, dass die Werte vom Block auf die Straßenachse übertragen werden, damit sie mit dem Anteil verknüpft werden können, der sich auf die Vorderseite des Grundstücks auswirkt. Idealerweise weist das Gebiet bestimmte Merkmale auf, die ihm einen Wert für Servicenetzwerke und geben Verhältnis von Nachbarschaften zu Vorteilen, die nicht nur den Wert des Landes beeinflussen, der sehr linear sein kann.
Das alle 5-Jahre zu machen ist nicht schwierig, aber für viele Kommunen wird es zu einem unhaltbaren Wahnsinn, es anders zu machen, obwohl es eine Computeranwendung gibt, da es immer noch auf externe Daten und Feldproben ankommt.
Anwendung
Yedra García vom spanischen Wirtschaftsministerium hat einen Beitrag zum Thema vorgelegt "Künstliche Intelligenz für die Massenbewertung"
Das Konzept geht um im Web, auf Englisch, aber Yedra eine Möglichkeit erhöht hat, unter Verwendung neuronaler Netzwerke angewendet, dieses Problem zu automatisieren komplexe Methodik zu lösen, das aussieht:
Bedeutet, dass eine minimale Anzahl von Indikatoren auf der mittleren Ebene, eine vergleichende Beziehung durch Senden unten einen Trends der Eingangswerte und bis einen vorläufigen Wert Vorschlag homogener Bereiche durch räumliche Analyse durch die Ähnlichkeit von Bedingungen haben kann, kann eine Matrix erzeugen, das macht Redundanz in beide Richtungen gegen reale Daten, wie Daten aus elektronischen Bulletins von Baupreisen oder Immobilienwerten.
Dabei handelt es sich natürlich nicht nur um eine einfache Analyse von Tabellendaten, sondern auch um eine räumliche Analyse von Layern, die sich auf die Bewertung, die Zusammenschaltung von Straßenstämmen und die topologische Analyse der gemeinsamen Nachbarschaft auswirken.
Dies könnte zu Ergebnissen führen, die über die einfache Bewertung für Grundsteuerzwecke hinausgehen, wie z. B. die Planung von Arbeiten auf der Grundlage der Bedingungen für die Auswirkung auf die Neubewertung und die Einziehung von Kapitalerträgen.
Die Haltung lässt mich eines Tages das Grün rauchen, um es umzusetzen.
