CC BY
10
ЕК0Н0М1ЧН1 ПРОБЛЕМИ РОЗВИТКУ ГАЛУЗЕЙ ТА ВИД1В EKOHOMI4HOI Д1ЯЛЬНОСТ1
3. Вишывська Б. Методи м1н1м1зацИ' фЫансових ризиюв / Б. Вишнвська // Економют. - 2007. - № 6. - С. 58-59.
4. Войнаренко М. УправлЫня економ1чною безпекою пщ-приемств на основ! оцЫки в1дхилень порогових показниюв / М. Войнаренко, О. Яременко // Економют. - 2008. - № 12.
- С. 60-63.
5. брмошенко, М. М. Економ!чн та оргаызацмы засади забезпечення фЫансовоУ безпеки пщприемства : Предпринт науковоУ доповщ / За наук. ред. д. е. н., проф. М. М. брмо-шенка - К. : Нацюнальна академ1я управлЫня, 2005. - 78 с.
6. За'1'нчковський А. О. ОцЫка ефективност системи фЫан-сово-економ1чноУ безпеки пщприемств харчово' промисло-вост та обгрунтування управлЫня можливими наслщками загроз i використання можливостей [Електронний ресурс] / А. О. За'нчковський, Т. М. 1ванюта // Формування ринкових вщносин в Укра'У. - 2016. - № 2. - С. 47-51. - Режим доступу: http://nbuv.gov.ua/UJRN/frvu_2016_2_13
7. Картузов G. П. Анал!з мехаызму управлЫня фЫансовою безпекою пщприемства [Електронний ресурс] / G. П. Картузов // Актуальн проблеми економки. - 2013. - № 7. - С. 118-124.
- Режим доступу: http://nbuv.gov.ua/UJRN/ape_2013_7_15
8. Кириченко О.А. Вдосконалення управлЫня фЫансо-вою безпекою пщприемств в умовах фЫансовоУ кризи // Финансовые рынки и ценные бумаги, 2009. - №16. - 2009.
- С. 22-28.
9. Коваленко Д. I. Мехаызм управлЫня фЫансовю безпекою пщприемства [Електронний ресурс] / Д. I. Коваленко, М. К. Богун // International scientific journal. - 2015. - № 5.
- С. 58-60. - Режим доступу: http://nbuv.gov.ua/UJRN/ mnj_2015_5_15
10. Малик О. В. Мехаызм управлЫня фЫансовою безпекою пщприемства / О. В. Малик // Економ!чний прост!р. -2015. - № 99. - С. 154-166.
11. Микитюк П. П. 1нновацмний менеджмент / П. П. Мики-тюк. - Тернопть : Економ!чна думка, 2006. - 295 с.
12. Мороз О. В. Оптимальне управлЫня економ!чними системами в умовах невизначеност та ризику : монограф!я / О. В. Мороз, А. В. Матвмчук; ВЫниц. нац. техн. ун-т. - ВЬ нниця: УН1ВЕРСУМ-ВЫниця, 2003. - 177 с.
13. Нижник О. В. Методолопчы пщходи оцЫки економ!чних ризиюв промислових пщприемств / О. В. Нижник // Моде-лювання репонально''' економки. - 2013. - № 2. - С. 75-84.
УДК 332.628
А.О. КОШЕЛЬ,
к.е.н., Нацональний умверситет BiopecypciB i природокористування Украни
Використання нейромережевих технологш для проведення масово! оцшки земель
В стати розглянyri питання пов'язан з використанням нейромережевих технолопй для проведення масово! ощнки земель. До^джен особливост побудови нейронних мереж адаптованих для ощнки земель. Запропо-нован напрями удосконалення грошовоi о^нки земель в Укран на ocнoвi застосування нейронних мереж.
Ключовi слова: нейронна мережа, масова о^нка, ринкова варлсть, земельн длянки, ринок земель.
А.А. КОШЕЛЬ,
к.э.н., Национальный университет биоресурсов и природопользования Украины
Использование нейросетевых технологий для проведения массовой оценки земель
В статье рассмотрены вопросы, связанные с использованием нейросетевых технологий для проведения массовой оценки земель. Исследованы особенности построения нейронных сетей адаптированных для оценки земель. Предложенные направления совершенствования денежной оценки земель в Украине на основе применения нейронных сетей.
Ключевые слова: нейронная сеть, массовая оценка, рыночная стоимость, земельные участки, рынок земель.
A. KOSHEL,
Ph.D. in Economics, National University of Life and Environmental Sciences of Ukraine
Using of the neural network technology for the conduct mass appraisal of land
The issues associated with the use of neural network technology for mass valuation of land are discussed in the article. The features of the construction of neural networks adapted for land evaluation are researched. The ways of improving monetary value of land in Ukraine on the basis of neural networks are proposed.
Keywords: neural network, mass appraisal, the market value of land, the land market.
ЕК0Н0М1ЧН1 ПРОБЛЕМИ РОЗВИТКУ ГАЛУЗЕЙ ТА ВИД1В ЕК0Н0М1ЧН01 Д1ЯЛЬНОСТ1
Постановка проблеми. Реформа земельних вщно-син в Укран призвела до включенню в сферу ринкових операцм i земельних дГлянок. Це, в свою чергу, зумо-вило необхiднiсть достовiрноí вартiсноí оцЫки земель. Однак проблеми перехщно''' економки Укра'ни при-зводять до складност створення адекватно'' системи оцiнки. Спроби вирiшення назрiлих завдань економЬ ки землекористування пщымають великий масив но-вих проблем управлiння розвитком теритсрй, не тiльки економiчних, а й правових, ¡нформацмних, соцiальних, мiстобудiвних та ¡нших. Hевизначенiсть в платностi ко-ристування територiями призводить до збтьшення фЬ нансових ризикiв, суттевого обмеження iнвестицiйних процесiв, проблем формування бюдже^в всiх рiвнiв. При цьому ускладнюеться вiдтворення ¡нфраструкту-ри населених пунк^в i, як наслiдок, не в повнм мiрi за-безпечуеться рацюнальне використання земель. В цих умовах особливо' актуальност набувають питан-ня пов'язан iз формування системи оцЫки земель на основi масових (ринкових) методГв й використання не-йромережевих технолопй, що може забезпечить якюну а головне реальну вартiсть об'ектГв нерухомостi.
Анал'13 досл'щжень i публ'кацш з проблеми. Питанням оцiнки вартост земель займалися такi вЬ тчизнян вченi як О.1. Драпiковський, Ю.Ф. Дехтярен-ко, Д.С. Добряк, В.М. Заяць, О.П. Канаш, А.Г. Мартин, Ю.М. Манцевич, Ю.М. Палеха, А.М. Третяк, проте пи-тання використання нейромережевих технолопй для проведення оцЫки земель е досить iнновацiйним i ви-магае грунтовного дослiдження.
Метою CTaTTi е розгляд питань пов'язаних з ви-користанням нейромережевих технолопй для проведення масово''' оцЫки земель, а також дослiдження особливостей побудови нейронних мереж адаптова-них для оцЫки земель та наведення напрямiв удоско-налення грошово' оцЫки земель в Укран на основi застосування нейронних мереж.
Виклад основного матер'тлу. Теоретичнi роз-робки та практичне використання нейронних мереж для оцiнки земель та нерухомого майна беруть свiй початок в 90-х роках минулого стол^тя. Одним з перших дослщниюв, не ттьки що запропонував не-йромережеву технологш для оцiнки земель та ¡ншо''' нерухомостi, але i почав активно застосовувати и в практична роботi був Рiчард Борст, вще-президент компанп Day & Zimmerman, провщний спецiалiст на-цюнально''' служби по масовм оцЫц земель та ¡ншо''' нерухомостi штату Нью-Йорк (США) i мiсцевих урядГв. ВЫ запропонував використовувати мережу зворотно-го поширення для масово' оцЫки нерухомост репоыв Нью-Йорка, при цьому це нейронна мережа викорис-товувалася як найкращий вщомий апрокаматор для порГвняльного аналГзу продажа.
Метою була побудова системи, яка по пред'явленню вх1дного вектору значень, що описують оцЫюваний об'ект нерухомост1, могла видати, на вихщ найбтьш ймов1рну ц1ну цього об'екта.
Аналогмну технологш використання нейронних мереж для оцЫки методом пор1вняльного аналЬу про-даж1в використовували До i Грудницький (Q. Do, G. Grudnitski, 1992). У своТх дослiдженнях вони використовували дан наданi сптьнотою рiелтерiв мiста Сан-Дieго (штат Kалiфорнiя, США), якi мiстили Ыформацш про 242 продажi односiмейних будинюв, якi були здм-сненi в перюд з сiчня по вересень 1991 р твденно-захiднiй област мiста Сан-Дieго.
Дослiдження впливу рiзних властивостей нерухомос-тi на Ii цiну проводилися ще в 70-х роках минулого сто-лiття (Е.М. Sabella, 1974; Е.М. Sabella, 1975). Для цього багатьма дослщниками i оцiнювачами-практиками використовувався регресiйний аналiз (J. Mark, 1988). Однак незабаром стало зрозумто, що лiнiйнi матема-тичнi моделi, побудованi за допомогою статистичних методiв найчастiше працюють неточно i погано узго-джуються з дмсним станом справ на ринку нерухомос-тi. Причина цих проблем криеться в нелiнiйному впливi характеристик нерухомосл на ТТ цiну i в ефектах взаем-ного впливу групи чинниюв. Побудувати лiнiйну модель, що враховуе подiбнi явища теоретично неможливо.
Бiльш обережну оцiнку використанню нейронних мереж зворотного поширення для оцЫки методом, порiвняльного аналiзу продажiв дали Ворсала, Ленк та Ства в сво'й роботi «До^дження нейронних мереж i Тх додатюв для оцiнки нерухомостi» в 1995 роц (Е. Worzala, М. Lenk, А. Silva, 1995). Головною метою ^еТ роботи було порiвняння передбачуваноТ здатностi регресiйноí моделi i двох нейромережевих моделей в контекст оцЫки земель та житловоТ нерухомостi.
Як критери порiвняння передбачувальноТ продуктивной моделей Ворсала, Ленк та Ства запропону-вали наступнi показники:
1. середня; абсолютна помилка мiж передбаченими i реальним значенням цiни продажу об'екта нерухо-мостi в тестовому наборi даних;
2. вiдсоток об'ектв нерухомостi в тестовому набо-рi даних, для яких абсолютна помилка мiж передбаче-ним i реальним значенням цЫи була менше 5 %.
Висновки зроблен Ворсалой, Ленк та Ствою закли-кають до обережного вщношенню до нейромережевих технолопй, при Тх використаннi для оцЫки земель та ЫшоТ нерухомостк
1. Hейроннi мережi склады у використаннк Доводиться емтричним шляхом пiдбирати оптимальнi значення ктькост внутрiшнiх шарiв нейронноТ мере-жi i кiлькостi нейронiв в них. Досить складно визначи-ти момент зупинки навчання. Спе^альы можливостi,
ЕК0Н0М1ЧН1 ПРОБЛЕМИ РОЗВИТКУ ГАЛУЗЕЙ ТА ВИД1В ЕК0Н0М1ЧН01 Д1ЯЛБНОСТ1
що дозволяють автоматизувати цей процес, е не у Bcix комерцмних нейропакетах.
2. Результати можуть значно вiдрiзнятиcя при вико-риcтаннi рiзниx програмних продуктiв. Так, в першому екcпериментi рiзниця на тестових прикладах досягала 18,3 %.
3. Нейроны мережi вимагають значних обчислю-вальних i часових ресурав. Bei критичнi зауваження, спрямован на адресу нейромережевих теxнологiй були актуальн для першо! половини 90-х роюв XX cтолiття. Однак в даний час ситуа^я сильно змЫилася. По-пер-ше, обчислювальна потужнicть сучасних комп'ютерiв зросла в порiвняннi з серединою 90-х роюв XX столггтя в cотнi разiв. По-друге, були розроблен cучаcнi опти-мiзованi алгоритми навчання нейронних мереж, таю як RProp й методу сполучених градieнтiв. З Тх допомогою кiлькicть ггерацм (епох) для уcпiшного навчання не-йронноТ мережi, так само зменшуеться в десятки i cотнi разiв. По-трете, не останню роль в швидкост обчис-лень за допомогою нейронних мереж в^грае ефек-тивысть програмних реалiзацiй алгоритмiв навчання. I в цьому компонент нейровирахування за останне де-cятилiття було досягнуто суттевого прогресу.
У роботi Петера РоссУ «Полтшення результатiв застосування штучних нейронних мереж для оцЫ-ки житловоТ г неруxомоcтi» (Р. А. Rossini, 1998) бу-ла показана висока ефективнють нейромережевих алгоритмiв для виршення оцiночниx завдань. У сво-Тх доcлiдженняx Роcciнi використовував базу даних про продаж^ надану Департаментом навколишньо-го середовища i природних ресурав штату АделаТда, Авcтралiя; (Department of Environment and National Resources, DENR). Для розрахунюв використовував-ся часовий перюд продажiв з ачня 1995 р. до березня 1997 р. 1нструментом для розрахунку був обраний не-йромережевий програмний пакет Neuralyst for Excel.
На даний момент юнують величезна кiлькicть на-укових напрацювань щодо економко-статистич-них моделей на оcновi нейромереж та методiв ма-сового оцiнювання земель. Зокрема в статт (Richard Grover , (2016) «Mass valuations», Journal of Property Investment & Finance, Vol. 34 Iss: 2, pp.191 - 204) [1] були до^джеы краТни в яких нещодавно були введен маcовi оцiнки, i як вони призвели до ютотних змiн в Тх податкових системах. Був зроблений висновок, що краТнам, як вводять масову оцiнку, потрiбно провести грунтовну роботу щодо полтшення iнcтитуцiйноТ основи оцiнки. У своТй науковiй працi (Almy, R. (2014), «Valuation and assessment of immovable property», OECD Working Papers on Fiscal Federalism No. 19, OECD Publishing, Paris.) [2] зазначае, що сучасн сис-теми масовоТ оцЫки дозволяють робити при бажан-н рентабельно i щорiчно точнi оцiнки рiзноманiтниx
об'ект!в нерухомого майна. Автор доводить хибнють i застартють думок, про те, що масова оцЫка непом!р-но трудомютка, забирае багато часу i е дорогою. Ба-гато з кра'н Центрально! i Пвденно-Схщно''' Свропи, як! були частиною колишнього радянського блоку все ще збер!гають стару системи оподаткування. Напри-клад, Податкова реформа яка реалюуеться в Молдо-в! (Buzu, O. (2015), «Property assessment and taxation in the republic of Moldova», Land Tenure Journal , No. 2.) [3] мае докорЫно змЫити стару податкову систему на основ! створення правового кадастру та прийнят-тя ринкових методю масовоТ оцЫки з використанням нейромереж. У сво'х напрацювання (Jahanshiry, E., Buyong, T., Rashid, A., Shariff, M.: A review of property mass valuation models, Pertanika J. Sci.&Technol. Vol.19, pp 23-30, 2011) [4, 5] прийшли до висновку, що використання традицмного методу багатофактор-ного регрессного анал!зу призводить до значно' по-хибки при проведены масово' оцЫки нерухомого майна, тому в бтьшосп випадюв е ненадмним. Натомють геостатистичний метод крипнгу прагне вести новий тип передбачення з використанням ¡нформацп, яка притаманна географмному розподту цЫи або И' вщ-ношен до власност ! в поеднаны з нейромережевими технологами е ефективним сучасним Ыструментом оцЫки земель. Впровадження сучасних метод!в ма-сово''' оцЫки в Укран вщкривае нов! можливост для переходу пострадянських кра'н на суто ринков! модел! оц!нювання ! оподаткування земель.
Так, математичн тдходи, модел! та алгоритми оцЫ-ки земель безпосередньо пов'язан! з !снуючим станом в сучао-лй Укран Вщсутнють единих стандарт, вщомча роз'еднанють Ыформацмних систем з рюних вид!в нерухомост!; недостатня повнота ! актуальн!сть юнуючих баз даних ! ряд Ыших негативних чинниюв створюють певн перешкоди для проведення масо-во' оцЫки земель. При цьому, використання сучасних нейромережевих алгоритма в поеднаны з принципом послщовних наближень для отримання ! поступо-вого звуження Ытервальних оцЫок р!зних видю вар-тост! земель в окремих кадастрових кварталах е, нашу думку, реальним способом виршення цих проблем.
Пропонуеться використання алгоритму розрахунюв, в якому, для проведення поквартально'' масово' оцЫки земель, створення та розширення мереж! еталонних кадастрових квартал!в, територ^льно''' апроксимацп результат!в оц!нки та визначення основних параме-тр!в територ!ально-економ!чних зон можна видтити наступн функцюнальы блоки:
1. Попереднм вщб!р кадастрових квартал!в за мю-тобуд!вними факторам, призначенням ! функц!ональ-ними характеристиками основних об'ектю. Анал!з ре-презентативност! виб!рки кадастрових квартал!в.
EKOHOMMHI ПPOБЛEMИ POЗBИTKУ ГAЛУЗEЙ TA BИДIB EKOHOMMHOÏ ДIЯЛЬHOCTI
2. Збip i вepифiкaцiя виxiдниx дaниx (зa юлькюними, якicними i вapтicними xapaктepиcтикaми oб'eктiв нe-pyxoмocтi в кaдacтpoвиx квapтaлax) для пpoвeдeння мacoвoí' oцiнки.
3. Oцiнкa вapтocтi зeмeль, включaючи cиcтeмy пo-лiпшeнь зeмeль, в кoжнoмy кaдacтpoвoмy квapтaлi нaceлeниx пyнктiв зa:
• пoтoчнoю aбo зaлишкoвoю вapтicтю пoлiпшeнь зeмeль;
• вiднoвнoю вapтicтю cиcтeми пoлiпшeнь зeмeль;
• мeтoдикoю cпiввiднeceння cиcтeми пoлiпшeнь зe-мeль i oб'eктiв нepyxoмocтi в ц^му;
• пoтoчнoю, вapтicтю дoxoдiв вщ ycix oб'eктiв нepy-xoмocтi в дaнoмy квapтaлi;
• pинкoвими ц^ми зeмeльниx дiлянoк, aнaлoгiчнi poзтaшoвaним в кaдacтpoвoмy квapтaлi;
• мeтoдикaми, як викopиcтoвyютьcя для oцiнки вiльниx зeмeльниx дiлянoк, якi виcтaвляютьcя нa зe-мeльнi ayкцioни.
4. Звeдeний aнaлiз peзyльтaтiв oцiнки пo кoжнoмy дacтpoвoмy квapтaлy, визнaчeння iнтepвaльнoí' oцiнки piзниx видiв вapтocтi зeмeль y вcix oцiнювaниx квapтaлax.
5. Пpocтopoвa aпpoкcимaцiя peзyльтaтiв пoквap-тaльнoю кaдacтpoвoí' oцiнки з викopиcтaнням дoдaт-кoвoÏ iнфopмaцiÏ пpo взaeмoзв'язoк xapaктepиcтик piзниx кaдacтpoвиx квapтaлiв «близь^го» i «дaлeкo-гo» пopядкiв i визнaчeнням пpocтopoвиx пpoфiлiв piз-ниx видiв вapтocтi зeмeль.
6. Пopiвняльний aнaлiз peзyльтaтiв пpocтopoвoÏ aпpoкcимaцi'' piзниx видiв вapтocтi зeмeль, виявлeння кopeляцiй i aнтикopeляцiй вiдпoвiдниx пpocтopoвиx пpo-фiлiв, вepифiкaцiя peзyльтaтiв oцiнки зa piзними мeтo-дикaми, внeceння нeoбxiдниx yтoчнeнь i кopигyвaнь.
7. Kлacтepизaцiя кaдacтpoвиx квapтaлiв зa зaдaним нaбopoм пapaмeтpiв i iнтepвaлiв ycepeднeння peзyль-тaтiв oцiнoк, пiдгoтoвкa тa oбГpyнтyвaння вapiaнтiв тe-pитopiaльнo-eкoнoмiчнoгo зoнyвaння.
B. Bиявлeння ocoбливocтeй пpocтopoвиx пpoфiлiв peзyльтaтiв oцiнки, poзшиpeння мepeжi «eтaлoнниx» квapтaлiв, пoвтopeння вcieí' oпиcaнoí' пpoцeдypи oцiнки.
Cиcтeмa мacoвoí' oцiнки зeмeль мoжe 6ути зacнoвa-нa як нa cyцiльний oцiнцi вcix кaдacтpoвиx квapтaлiв, тaк i нa пpoвeдeнi aнaлiзy вapтocтi зeмeль в oкpeмиx (eтaлoнниx) кaдacтpoвиx дiлянoк з пoдaльшим здм-cнeнням пpocтopoвoí' aпpoкcимaцiÏ кoмплeкcy oтpи-мaниx oцiнoк нa iншi кaдacтpoвi квapтaли.
^и цьoмy пoвиннa вpaxoвyвaтиcя нe тльки гeoгpa-фiчнa близькicть квapтaлiв, aлe i близькicть зa фiзични-ми xapaктepиcтикaми зeмeль, cпocoбaм викopиcтaння, взaeмoзв'язкaм xapaктepиcтик близькoгo i дaлeкoгo пo-pядкiв. Пpи тaкoмy пiдxoдi мoжнa видiлити зaвдaння:
1. Oптимaльнoгo вибopy eтaлoнниx квapтaлiв, якщo нe пpoвoдитьcя cyцiльнa пoквapтaльнy oцiнкa;
2. Oтpимaння дocтoвipнoÏ oцiнки вapтocтi зeмeль в eтaлoнниx квapтaлax;
3. HaйкpaщoÏ aпpoкcимaцií' (eкcтpaпoляцií') oцiнки кaдacтpoвиx (eтaлoнниx) квapтaлiв з ypaxyвaнням пo-шиpeння Ïx xapaктepиcтик нa вcю тepитopiю.
^pixiy зaдaчy, aбo зaвдaння фpaгмeнтaцií' пpoпo-нyeтьcя виpiшyвaти зa дoпoмoгoю нeйpoннoí' мepeжi aдaптивнoгo peзoнaнcy. Цeй тип caмoнaвчaльнoÏ мe-peœi нaйкpaщим чинoм пiдxoдить для тиx випaдкiв, гали зaздaлeгiдь нeвiдoмo чиcлo eтaлoнниx квapтaлiв.
Дpyгy зaдaчy oтpимaння нaйкpaщoí' (нaйбiльш дocтo-вipнoí') oцiнки пpoпoнyeтьcя виpiшyвaти з мeтoдoм лЬ нiйнoí' peгpeciÏ, мeтoдoм нaймeншиx квaдpaтiв aбo зa дoпoмoгoю aвтoacoцiaтивнa нeйpoнниx мepeж. Авто-acoцiaтивнa нeйpoннa мepeжa е клacичнoю нeйpoннoю мepeжy звopoтнoгo пoшиpeння, щo cклaдaeтьcя з п'яти шapiв: вxiднoгo, виxiднoгo i тpьox пpиxoвaниx. Чиcлo вxo-дiв i виxoдiв дopiвнюe чиcлy кoмпoнeнтiв вeктopa вжe нaявниx oцiнoк. Чиcлo нeйpoнiв y дpyгoмy i чeтвepтoмy ixiapi мeншe, нiж чиcлo вxiдниx (виxiдниx) нeйpoнiв. Чи^ лo нeйpoнiв в тpeтьoмy (цeнтpaльнoмy) ixiapi дopiвнюe 1.
Ta^/M чинoм, викopиcтoвyючи для нaвчaння нe-йpoннoÏ мepeжi нaбip вeктopiв як cклaдaютьcя з o^-нoк, oтpимaниx зa piзними мeтoдикaми, cтae мoж-ливим oтpимyвaти нaйбiльш дocтoвipнe знaчeння вapтocтi зeмeльниx дiлянoк.
Tpeтe зaвдaння пpocтopoвoÏ aпpoкcимaцií' виpiшy-eтьcя зa дoпoмoгoю нeйpoнниx мepeж paдiaльниx бa-зиcниx фyнкцiй. Aпpoкcимyючa здaтнicть дaнoí' ap-xiтeктypи нeйpoнниx мepeж cлaбкiшa в пopiвняннi з мepeжeю звopoтнoгo пoшиpeння.
Пpoтe cлiд тaкoж зaзнaчити, щo зaвдaння вибopy eтa-лoнниx квapтaлiв i зaвдaння клacтepизaцi'' тepитopi'' зe-мeль eфeктивнiшe виpiшyвaти зa дoпoмoгoю caмoop-гaнiзyючoí' мepeжi Koxoнeнa, ocкiльки дaнa apxiтeктypa вжe мютить в co6í двoвимipнy тoпoлoгiю, i^o дoзвoляe тoчнiшe вiдoбpaжaти i клacтepизyвaти внyтpiшню CTpy^ тypy бaгaтoвимipнoгo вeктopa дaниx, щo oпиcye тoй чи Ыший квapтaл. Aджe caмi квapтaли тaкoж нe е нeзaлeж-ними oдин вiд oднoгo. Taким чинoм нeйpoннa мepeжa Koxoнeнa здaтнa aвтoмaтичнo вpaxoвyвaти взaeмoдií' як «близькoгo» тaк i «дaлeкoгo» пopядкiв.
Висновки
Taким чинoм, в дaний чac, нeйpoннi мepeжi piзниx ap-xiтeктyp е oдним з кpaщиx зacoбiв для aнaлiзy бaгaтo-вимipниx, тoпoлoгiчнo взaeмoзaлeжниx нaбopiв дaниx, якими е знaчeння (фaктopи), щo oпиcyють зeмeльнi дЬ лянки, ocoбливo в мeжax нaceлeниx пyнктiв. Здaтнicть нeйpoнниx мepeж знaxoдити cильнo нeлiнiйнi зaлeжнoc-тi мiж вxiдними фaктopaми i виxiдним знaчeнням (цiнoю, iншими кoeфiцieнтaми, щo викopиcтoвyютьcя для oцiн-ки) i видтяти з нaбopiв дaниx нaйбiльш знaчyщi кoмпo-
EKOHOMIЧHI ПPOБЛEMИ POЗBИTKУ ГAЛУЗEЙ TA BИДIB EKOHOMMHOÏ ДIЯЛЬHOCTI
ненти робить нейроны мережi незамiнним iнcтрументом для розв'язання задачi масовоТ оцiнки земель.
Список використаних джерел
1. Richard Grover , (2016) «Mass valuations», Journal of Property Investment & Finance, Vol. 34 Iss: 2, pp.191 - 204
2. Almy, R. (2014), «Valuation and assessment of immovable property», OECD Working Papers on Fiscal Federalism No. 19, OECD Publishing, Paris.
3. Buzu, O. (2015), «Property assessment and taxation in the republic of Moldova», Land Tenure Journal , No. 2.
4. Brankovic, S., Tesla, N.: Development of Real Estate Mass Valuation Concept in the Republic of Serbia, FIG Working Week, Marrakech, Morocco, 2011. Retrieved from http://www.fig.net/ pub/fig2011/papers/ts06i/ts06i_brankovic_tesla_4896.pdf
5. Jahanshiry, E., Buyong, T., Rashid, A., Shariff, M.: A review of property mass valuation models, Pertanika J. Sci.&Technol. Vol.19, pp 23-30, 2011.
К.О. ШУЛАКОВА, студентка, Криворзький економ1чний iнститут ДВНЗ «Кивський на^ональний eêOHOMi4Hèé у^верситет ím. Вадима Гетьмана»
В.Д. МУС1БНКО,
к.т.н, доцент, Криво^зький eкономiчний iнститут ДВНЗ «Кивський на^ональний економ'иний у^верситет ím. Вадима Гетьмана»
Формування ¡нструментарш маркетингу ¡нновацш на шдприсмствах харчово! промисловост
Розкрито роль та значення маркетингу iнновацiй, запропоновано iнструмeнтарiй маркетингу iнновацiй на niдприемствах харчовоÏ промисловосл. Розрахована ефектив^сть впровадження запропонованих заходв маркетингу iнновацiй.
Ключовi слова: маркетинг iнновацiй, iнновацiйна дяльнють, аромаркетинг, партизанський маркетинг, пдприемства харчовоÏ промисловосл.
Е.А. ШУЛАКОВА, студентка, Криворожский экономический институт ГВУЗ «Киевский национальный экономический университет им. Вадима Гетьмана»
В.Д. МУСИЕНКО,
к.т.н., доцент, Криворожский экономический институт ГВУЗ «Киевский национальный экономический университет им. Вадима Гетьмана»
Формирование инструментария маркетинга инноваций на предприятиях пищевой промышленности
Раскрыта роль и значение маркетинга инноваций, предложено инструментарий маркетинга инноваций на предприятиях пищевой промышленности. Рассчитана эффективность внедрения предложенных мероприятий маркетинга инноваций.
Ключевые слова: маркетинг инноваций, инновационная деятельность, аромаркетинг, партизанский маркетинг, предприятия пищевой промышленности.
K. SHULAKOVA,
student of Krivoy Rog Economic Institute SHEE «Kiev National Economic University named Vadym Hetmán»
V. MUSIENKO,
Ph.D., associate professor of Krivoy Rog Economic Institute SHEE «Kiev National Economic University named Vadym Hetman»
Forming tools of marketing innovation in the food industry
The role and importance of marketing innovation were uncovered, marketing innovation tools in the food industry was offered. The effectiveness of the proposed measures marketing innovation was calculated.
Keywords: marketing innovation, innovation, aromamarketing, guerrilla marketing, food industry.
Постановка проблема. Cyчacний cтaн екoнoмi-ки Укpa'''ни xapaктеpизyeтьcя пщвищенням iнтеpеcy дo iннoвaцiйниx шляxy poзвиткy. Bœ бтьше пiдпpи-емств oбиpaють iннoвaцiйнiй тип poзвиткy, вщмЫний вщ тpaдицiйнoгo. Це зyмoвленo, пo-пеpше, пщвищенням piвня кoнкypенцiï з 6o^ виpoбникiв, a пo-
дpyге, бтьш yвaжним вiднoшенням cпoживaчiв дo тoвapiв i пocлyг.
Bиpoбники, opieнтyючиcь нa пoтpеби ^ен™, нaмa-гaютьcя зaпpoпoнyвaти pинкy бтьш якюы i вдocкoнa-леы тoвapи, яю 6удуть мaти неoбxiднi xapaктеpиcтики i кopиcтyвaтиcя пoпитoм y пoтенцiйниx тен^в.
