Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej
MNiSW
5
spoza listy
Status:
Autorzy: Bojanowska Agnieszka, Lipski Jerzy
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2019
Wersja dokumentu: Elektroniczna
Język: angielski
Wolumen/Tom: 710
Numer artykułu: 012001
Strony: 1 - 8
Web of Science® Times Cited: 0
Scopus® Cytowania: 1
Bazy: Web of Science | Scopus
Efekt badań statutowych NIE
Materiał konferencyjny: TAK
Nazwa konferencji: IV International Conference of Computational Methods in Engineering Science - CMES'19
Skrócona nazwa konferencji: CMES'19
URL serii konferencji: LINK
Termin konferencji: 21 listopada 2019 do 23 listopada 2019
Miasto konferencji: Kazimierz Dolny
Państwo konferencji: POLSKA
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Witryna wydawcy
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 19 grudnia 2019
Abstrakty: angielski
This article aims to show how to design a functional application as an intelligent tool for forecasting real estate prices, among others, based on historical data. Real estate dealers or clients in this market are rarely aware of the possibility of using such a tool in the real estate valuation. This paper presents how the artificial neural network can be used for this purpose. The selected area of the Lublin real estate market has been covered by research carried out for this study. As input data for the smart system, historical data of transactions and variables characterising real estate were used, such as location of the property, its condition or size. Using the developed model, in the neural network, the sensitivity of the real estate price to selected features was carried out. It was also indicated how the use of this tool can facilitate purchasing decisions and customer relationship management on such a market.