메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
전해정 (상명대학교) 양혜선 (중앙대학교)
저널정보
한국주거환경학회 주거환경 住居環境 통권 제17권 제2호 (통권 제44호)
발행연도
2019.6
수록면
37 - 49 (13page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
The purpose of this study is to estimate housing prices using deep running. The simple RNN, LSTM, and GRU models, which are evaluated to be suitable for time series forecasting, are based on the time series data of apartment real price index, interest rate, household loan, building permit area and consumer price index. As a result of the empirical analysis, it is confirmed that the prediction power of the GRU model is superior to that of the learning data by evaluating the performance of forecasting power on apartment real price index based on the RMSE value. On the other hand, in the verification data, it is confirmed that the prediction power of the RNN model is excellent. Also, if the performance of the deep running model is evaluated with accuracy, the accuracy of the RNN model and the GRU model is the highest. As a result of this study, the government needs to build and develop a system that can predict and diagnose the housing market by using the deep learning technique that combines artificial neural network and big data to advance the housing market.
#주택매매가격 #비선형 #예측 #딥 러닝 #순환신경망(RNN) #Housing Price #Nonlinear #Prediction #Deep Learning #Recurrent Neural Network

목차

Abstract
Ⅰ. 서론
Ⅱ. 선행연구 고찰
Ⅲ. 분석모형
Ⅳ. 실증 분석
Ⅴ. 결론
참고문헌

참고문헌 (24)

참고문헌 신청
김양훈 / 2016 / LSTM 언어모델 기반 한국어 문장 생성 / 한국통신학회논문지 41(5):592~601 dbpia 민성욱 / 2017 / 딥러닝(Deep Learning)을 이용한 주택가격 예측모형 연구 google schola 배성완 / 2017 / 딥 러닝을 이용한 부동산가격지수 예측 / 부동산연구 27(3):71~86 dbpia 배영균 / 2012 / 주택공급의 가격탄력성과 주택가격 변동성 / 대한부동산학회지 30(1):67~84 google schola 서윤범 / 2018 / 비트코인 가격 등락 예측을 위한딥러닝 모델 연구 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

딥러닝 모형을 활용한 서울 주택가격지수 예측에 관한 연구 : 다변량 시계열 자료를 중심으로
이태형 ,  전명진 주택도시연구 2018 .08
시계열분석모형과 머신러닝을 이용한 주택가격 예측력 연구
전해정 주거환경 2020 .03
부동산 감성지수의 주택가격 예측 유용성 : 뉴스기사와 방송뉴스 빅데이터 활용 사례
박재수 ,  이재수 국토계획 2021 .08
머신러닝 모델을 적용한 주택가격 예측 및 영향 요인 분석
백승준 ,  김준완 ,  백주련 한국컴퓨터정보학회 학술발표논문집 2023 .01
소셜 감성 데이터를 이용한 딥러닝 기반의 암호화폐 가격 예측
고광종 ,  김다솔 ,  허재석 Proceedings of KIIT Conference 2021 .11

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2019-595-000896698