本文藉由蒐集網路上租屋交易資訊中(由2013年第1季~2017年第1季)擷取有用參考因子，結合國內政府網站公佈資訊經濟因素，使用人工智慧如倒傳遞類神經網路及支援向量機預測分析臺北市12個行政區各2016年第4季至2017年第1季租屋均價之價格，並比較倒傳遞類神經網路及支撐向量機兩技術在整層住宅及套房租金中，在何種狀況使用下使用倒傳遞類神經網路及支援向量機較為優勢。

To build a predicting model of house rental fee in Taipei city, this study utilizes artificial intelligence (back-propagation neural network and support vector machine) to construct the model, in which the information of several important factors are obtained from the Internet (2013. Jan. ~ 2017.Mar.). These rental data are then combined with the open data such as information of economy factors as the input of the predicting model. 12 districts of Taipei are selected to demonstrate the proposed method, in which the prediction of the seasonal average rental fee for last season of 2016 and the first season of 2017 is provided. Results indicate that back-propagation neural network is a more suitable tool in the case of apartment. On the other hand, support vector machine may deliver a more promising estimation in the case of studio when the data size is more than 1000.

英文
Lewis, C. D. (1982), “Industrial and business forecasting methods: A practical guide to exponential smoothing and curve fitting” London; Boston: Butterworth Scientific
Funahashi, K.(1989), “On the approximate realization of continuous mappings by neural networks,”Neural Networks, vol.2, pp.183-192
Villiers, J., Barnard, E., (1992), “Back-propagation neural nets with one and two hidden layers,” IEEE Transaction On Neural Network, Vol. 4, No. 1, pp. 136-141.
Hush, D. R. and B. G. Horne (1993), "Progress in supervised neural networks.", IEEE signal processing magazine Vol.10, No.1, pp.8-39.
Vapnik, V. N.,(1995), “Statistical Learning Theory”, J Wiley, New York
Robert Cooley, Bamshad Mobasher, Jaideep Srivastava, (1999), “Data Preparation for Mining World Wide Web Browsing Patterns”, Knowledge and Information Systems 1, pp. 5-32
中文
葉怡成 (2003)。類神經網路模式-應用與實作。第8版，儒林圖書公司。
李易璇 (2005)。不動產估價人員估值決定行為之研究。國立政治大學地政研究所碩士論文。
黃建銘 (2005)。支撐向量機的自動參數選擇，國立台灣科技大學資訊工程系碩士論文。
林洵妤 (2009)。台灣地區女性購屋租屋選擇。國立清華大學統計學研究所碩士論文。
黃啟祥 (2009)。結合高斯混合及支撐向量機模型之語者確認研究。國立中央大學電機工程系碩士論文
陳佳威 (2010)。以SVM分類器為基礎之人臉辨識系統。南台科技大學資訊工程學系碩士論文。
蔡爾逸 (2012)。應用支撐向量機(SVM)於都市不動產價格預測之研究。國立中央大學營建管理研究所碩士論文。
陸昶龍 (2012)。利用特徵及倒傳遞類神經網路於車牌辨識系統之研究。佛光大學資訊應用學系碩士論文。
林昭妏 (2013)。實價登錄之類神經網路估價模型-以高雄市農16及美術館區大樓為例。長榮大學土地管理與開發學系碩士論文。
黃瀞萱 (2014)。支援向量迴歸結合真實波動分類預測股票指數。臺北市立大學資訊科學系碩士論文。
劉學維 (2014)。應用市場比較法結合資料探勘技術建構台北市房價預測模型。中原大學資訊管理研究所碩士論文。
張斐章、張麗秋 (2015)。類神經網路導論-原理與應用。第2版，滄海圖書公司。
陳昌捷 (2015)。以倒傳遞類神經網路預測股市指數。國立宜蘭大學多媒體網路通訊數位學習碩士在職專班碩士論文。
劉淑琴 (2015)。調查：香港房價所比19倍 全球最高。中央通訊社。取自https://www.cna.com.tw/
李宜頻 (2017)。新北市環境周邊設施對於租屋價格影響及空間資訊視覺化研究。輔仁大學統計資訊學系應用統計碩士班論文。
楊長霖 (2017)。深度學習於台灣房價指數趨勢預測模式建立之研究-應用NNLSTM演算法。國立臺灣科技大學營建工程系論士論文。
廖國偉、林沛靜、江穎慧、楊宗憲 (2017)，「利用巨量資料於住宅租金價格趨勢之研究」，中華民國科技部補助計畫。
張琪蓉 (2018)。不動產估價模型建立-以台北市東西區公寓為例。國立臺灣科技大學營建工程系論士論文。
王嘉琳、羅執中(2019)。租金指數連53月上揚 台北市「蟻居」數大幅增加。民視新聞。取自https://www.ftvnews.com.tw/
詹宜軒(2019)。連衛生紙都備齊　北市小豪宅月租等同2新鮮人月薪。ETtoday新聞雲。取自https://house.ettoday.net/
網站
1．行政院主計總處統計資料: http://www.dgbas.gov.tw/
2．內政部不動產資訊平台: http://pip.moi.gov.tw/
3．臺北市建築管理工程處: https://dba.gov.taipei/
4．591房屋交易網站: https://www.591.com.tw/
5．臺北市建築管理工程處: https://dba.gov.taipei/
6．全國法規資料庫: https://law.moj.gov.tw/
7．台灣大學林智仁教授網站: http://www.csie.ntu.edu.tw/~cjlin/index.html