基于BP神经网络的供应商评价决策优化模型
AHP和BP神经网络下的装配式建筑供应商评价模型研究
AHP和BP神经网络下的装配式建筑供应商评价模型研究摘要：本文围绕基于AHP和BP神经网络的装配式建筑供应商评价模型中的指标设定、具体评估项选择、权重因子系数设定进行了介绍，供参考。
关键词：层次分析法；BP神经网络；评价模型引言：Analytic Hierarchy Process简称AHP，中文译名层次分析法，是一种对已经定性的问题进行定量分析的多准则决策方法。
运用这种方法分析问题时，能够将其中的多种复杂因素按照特定的联系划分为多个层次，使问题呈现出条理性，有助于科学制定解决方法。
Back Propagation简称BP，是当前应用最广泛的神经网络模型之一，其原理为按照误差逆传播算法，实现对多层前馈网络的训练。
基于AHP和BP构建一种围绕装配式建筑供应商进行评价的模型，有助于有关单位提高对供应商资质的了解程度，对单位的发展大有裨益。
1.基于AHP的装配式建筑供应商评价模型指标体系设计现阶段，装配式建筑结构的应用范围愈加广泛，将特定型号的预制建筑构件运抵施工现场，由施工人员按照设计施工图纸进行组装、安装，能够有效缩短现代建筑工程的工期，相关建筑体普遍具有较高的质量和精度，且在环境保护、节约能源方面均具有较大的优势[1]。
与传统的现浇结构相比，装配式建筑建设所需的材料完全由供应商直接生产、供应，施工现场在原材料制备方面的参与程度已经大幅度下降。
基于此，装配式建筑供应商的资质在很大程度上决定工程质量，故针对供应商的资质进行评价非常重要。
为了提高评价的准确性，在构建评价模型的构成中，评价体系的建设效果、评价指标的设定必须慎之又慎。
一种行之有效的方案为：（1）供应商所提供的原材料的质量、价格、供货过程的顺利程度、供货期间的协同服务共计四项内容可作为重要指标项，在整个评价体系中占据“评价指标层”。
（2）每一个评价指标分别对应数量不等的具体评估侧重点。
第一，质量指标下设：①产品合格率；②质量管理效率；③原材料及配件质量；④生产工艺水平。
用遗传算法改进的BP神经网络剪枝算法来优化决策树模型
（ 贵州 大学计 算机科 学 与信 息 学院 贵 阳 ５ ５ ０ ０ ２ ５ ）
摘 要 决策树是一种有效的分类方法， 但在构建决策树 模型的过 程 中， 常常会 出现模型过度拟合的现 象。利用基 于
Ｂ Ｐ神 经网络的决策树剪枝算 法（ Ｂ Ｐ － Ｐ ｒ ｕ ｎ ｉ ｎ ｇ ） 进行 软 剪枝 处理 ， 然后 根据 Ｂ Ｐ － Ｐ ｒ ｕ ｎ ｉ ｎ ｇ的一 些不足 ， 提 出一 种改进 算 法， 简称 ＧＢ Ｐ － Ｐ ｒ ｕ ｎ ｉ ｎ ｇ算法。该算 法通过 引入遗传算 法来训练 Ｂ Ｐ － Ｐ ｒ ｕ ｎ ｉ ｎ ｇ算法模型 中的权值和 阈值 ， 从 而克服 了Ｂ Ｐ －
第４ Ｏ 卷 第 ｌ ｌ Ａ期 ２ ０ １ ３ 年 １ １ 月
计
算
机Ｓ ｃ ｉ ｅ ｎ ｃ ｅ
Ｖｏ １ ． ４ ０ Ｎｏ ． １ １ Ａ ＮＯ Ｖ ２ ０ １ ３
用遗传算法改进的 Ｂ Ｐ神 经 网络 剪枝 算 法 来 优 化 决 策 树模 型
ＷＵ Ｔｏ ｎ ｇ ＣＨ Ｅ ＮＧ Ｈｕ ｉ
（ Ｓｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｓｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ， Ｇｕ ｉ ｚ ｈ ｏ ｕ Ｕｎｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ， Ｇｕ ｉ ｙ ａ ｎ ｇ ５ ５ ０ ０ ２ ５， Ｃｈ ｉ ｎ ａ ）
决 策树是一种有 效的分类方法 ， 对 于多峰分布之类 的问
被分割为单一实例的叶节 点。这种划分 虽然分类 比较完 全 ， 但会产生过多的冗 余无用 的规则 ， 不利于 预测 。再加 上训 练 集数据 中存 在噪音或者训 练数据样例太 少 ， 以致 于不能产 生 目标函数具有代表性的采用。
(整理)基于BP神经网络的信用评级模型.
BP神经网络模型概要说明BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。
BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。
它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。
BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)（如图5.2所示）。
2.相关理论BP算法由数据流的前向计算（正向传播）和误差信号的反向传播两个过程构成。
正向传播时，传播方向为输入层→隐层→输出层，每层神经元的状态只影响下一层神经元。
若在输出层得不到期望的输出，则转向误差信号的反向传播流程。
通过这两个过程的交替进行，在权向量空间执行误差函数梯度下降策略，动态迭代搜索一组权向量，使网络误差函数达到最小值，从而完成信息提取和记忆过程。
1989年Robert Hecht—Nielon证明了对于任何在闭区间的一个连续函数都可以用一个隐层的BP网络来逼近，因而一个3层的BP网络可以完成任意的N维到M 维的映射，因此在BP网络中多采用单隐层网络。
下面我们以三层神经网络为例来说明BP 网络的标准学习算法。
BP 算法信号的正向传播设定BP 网络的输入层有n 个神经元，隐含层有p 个神经元,输出层有q 个神经元，输入层与隐层之间的权值为 ki ν，隐层与输出层之间的权值为 jk ω。
隐层的传递函数为f 1(·)，输出层的传递函数为f 2(·)，则隐层节点的输出为10()1,2,....n k ki i i z f x k ν===∑输出层节点的输出为：20()1,2,....q j jk k k y f z j ω===∑至此BP 网络就完成了n 维空间向量对m 维空间的近似映射。
BP神经网络算法在物资供应链绩效评价中的应用
BP神经网络算法在物资供应链绩效评价中的应用随着全球商业环境的不断变化和发展，物资供应链绩效评价变得越来越重要。
作为一种强大的机器学习算法，BP神经网络在物资供应链绩效评价中具有很大的应用潜力。
本文将探讨BP神经网络算法在物资供应链绩效评价中的应用，以及其带来的好处和挑战。
首先，让我们了解一下BP神经网络算法。
BP神经网络是一种监督学习算法，它模拟了人脑神经元之间的连接和信息传递过程。
通过不断地调整神经网络中的连接权值和阈值，使得神经网络能够学习并适应复杂的非线性关系。
在物资供应链绩效评价中，BP神经网络可以通过学习历史数据和特征之间的复杂关系，来预测未来的供应链绩效情况。
1.预测需求量：BP神经网络可以通过学习供应链中的销售数据、市场趋势和季节性变化等信息，来预测未来的需求量。
这可以帮助企业准确地制定物资采购计划，避免库存积压或者供不应求的情况。
2.优化库存管理：BP神经网络可以分析供应链中的库存水平、供应商的交货能力和订单的履行情况等信息，来优化库存管理策略。
通过及时调整库存水平和订单量，可以减少库存成本和避免缺货情况。
3.提高供货准时率：BP神经网络可以通过学习供应链中的物流信息、运输时间和物资状态等信息，来预测供货准时率。
这可以帮助企业及时调整物流路线和运输方式，确保及时配送物资，提高客户满意度。
4.优化供应链网络结构：BP神经网络可以通过学习供应链中各个节点之间的关系和影响因素，来优化供应链网络结构。
通过调整供应商和合作伙伴的选择，可以减少供应链中的风险和成本，提高绩效水平。
使用BP神经网络算法进行物资供应链绩效评价，可以带来以下几个好处：1.提高预测准确率：BP神经网络能够学习和识别供应链中的复杂模式和非线性关系，从而提高绩效评价的准确性和精度。
2.加快决策速度：BP神经网络可以快速处理大量数据并进行实时分析，帮助企业快速做出决策，减少反应时间和提高企业的灵活性。
3.降低人力成本：BP神经网络可以自动化地进行数据处理和模型训练，减少人力资源的投入和数据分析的时间成本。
基于BP神经网络的信息系统运行质量评价模型
Microcomputer Applications V ol.27,No.12,2011研究与设计微型电脑应用2011年第27卷第12期文章编号：1007-757X(2011)12-0009-04基于BP神经网络的信息系统运行质量评价模型龚代圣，杨栋枢，王文清，杨德胜摘要：信息系统运行质量评价是供电企业信息系统运维的重要工作，其中关键的一项就是对信息系统运行质量进行分析评估，这对于信息系统运行可靠具有重要意义。
在分析影响信息系统运行质量因素的基础上，构建了信息系统运行质量评价指标体系，将遗传算法神经网络原理引入信息系统运行质量评价，构建了基于遗传算法和神经网络的信息系统运行质量评价模型，为供电企业的信息系统运行质量评估研究提供模型和方法的支撑。
实证结果表明：模型具有较强的自组织、自学习和自适应能力，模型评估结果比较客观合理。
关键词：信息系统；指标体系；运行质量评价；遗传算法；神经网络中图分类号：TP311文献标志码：A0引言供电企业是国内应用信息技术较早的行业之一，先后经历生产过程自动化、管理信息化等建设阶段。
目前，供电企业信息系统运行呈现出基础设备齐备、数据庞杂、应用广泛等特点，因此，对信息系统运行质量进行评估显得格外重要。
信息系统运行质量评价是为了提升信息化运行保障能力，准确而客观地评价信息系统运维水平，从而有效地指导信息系统安全、高效、经济运行。
如何积极开展信息系统运行质量评估来降低信息系统安全运行风险？通过何种指标来科学评价供电企业的信息系统运行质量发展水平？这是当前供电企业必须解决的一个问题，而目前供电企业还没有一套完整的供电企业的信息系统运行质量评价指标体系正式发布。
通过构建科学的、实用的、有效的供电企业信息系统运行质量评价指标体系，采用具有学习、记忆、归纳、容错及自学力、自适应能力的基于遗传算法的BP神经网络算法，科学有效地评价供电企业的信息系统运行质量，有利于规范和完善供电企业的信息系统运行水平建设，促进信息系统运维水平健康与快速的发展。
基于BP神经网络的供应商评价选择问题的研究
基于BP神经网络的供应商评价选择问题的研究作者：张阳王加青霍德才来源：《管理观察》2010年第25期摘要:随着经济全球化,市场上的供应链已经形成,供应链环境趋于完善。
越来越多的企业开始重视供应商,考虑构建一个供应商评价系统来实现供应商的选择并加强与供应商的交流合作。
但是目前缺乏有效的能够应用于开发系统的供应商评价方案,难以满足实际的需求。
供应商评价模型设计是开发供应商评价系统的基础。
通过对供应链环境下的供应商评价和BP神经网络的研究,以汽车制造行业为例构建了供应商评价模型以方便供应商评价系统的实现。
关键词:BP神经网络供应商评价评价模型1.BP神经网络的原理BP网络(Back Propagation NN)是单向传播的多层前馈神经网络。
网络分为输入层、中间层(隐含层)、输出层,其中如何输出都只有一层,中间层可有一层或多层。
同层的网络结点之间没有连接。
每个网络结点表示一个神经元,其传递函数通常采用S型函数。
每对神经元之间的连接上有一个加权系数W。
可以加强或减弱上一个神经元的输出对下一个神经元的刺激。
这个加权系数通常称为权值,修改权值的规则称为权值算法。
建立在BP神经网络基础上的专家系统根据一定的算法,通过对样本数据的学习,确定网络权值。
2.基于BP神经网络的供应商评价选择模型2.1原理BP神经网络用于供应商选择的原理为:把用来描述供应商特征,即选择供应商的指标体系的信息作为神经网络的输入向量X= (x1,x2,K,xn);将代表综合选择的值作为神经网络的输出y;用足够的样本即比较实例训练这个网络使不同的输入向量得到不同的输出量值,将输出值与期望输出值比较,当其误差小于某一设定值时,这时神经网络所持有的那组权值Wij,阈值(当I=0时Wij即代表阈值)便是网络经过自适应学习所得到的正确内部表示[8]。
一旦神经网络训练完毕即可作为企业评价和选择供应商的有效工具。
2.2 算法第一步:用随机数(一般在0~1之间)初始化Wij和?兹j;其中Wij为神经元i到j的连接权重,?兹j为神经元j (隐含层和输入层)的阈值。
基于BP神经网络的供应链绩效评价方法
ｍ ｅ ｔａ ｄ ｆ ｒ ｃ ｓｓ Ｔｈ ｓ ｔｓ ｐ ｌｅ ｅ ｓ ｎ ｂｌ ｎ ｌｓｓａ ｄ ｐ ｌ ｙ ｍａ ｉｇ ｔ ｏｓｆ ｒｓ ｐｐｙ ｃ ａｎ ｍａ ａ ｅ ｅ ｔ ｎ ｎ ｏ ｅ ａ ｔ． ｕ ，ｉ ｕ ｐ ｉｓｒ ａ ｏ ａ ｅ ａ ａｙ ｉ ｎ ｏ ｉ ｋｎ ｏ ｌ ｕ ｌ ｈ ｉ ｎ ｇ ｍ ｎ ． ｃ ｏ
Ｕ ｉ ｒｔ ｏ Ｈ ｎ ｏｇ． ｏｇＫ ｎ 。 ｈｎ ｎｖ ｓｙｆ ｏｇ Ｋ ｎ Ｈ ｎ ｏ ｇ Ｃ ｉａ ｅ ｉ
Ａｂ ｔａｃ ： ｒ ｔｅ ａ ｅ ｏ ｎ ｅ ｒｔｖ ｐ ｒｏ ｍａ ｃ ｅ ｓ ｒ ｍｅ ｔｏ ｇｌ ｖｒｕ ｌ ｅ ｔ ｒ ｒｓ ｓ ｒ ｔ Ｆｏ ｈ ｓ ｋ ｆ ｉ ｔｇ ａｉ ｅ ｅ ｒ ｎ ｅ ｍ ａ ｕ ｅ ｎ ｆ ａ ｉｅ ｉｔ ａ ｎ ｅ ｐ ｉｅ， ｔｅ ｒ ｄ ｔｏ ａ ｌ ｆ ｈ ｔａ ｉｉｎ ｌＢａ— ａ ｅ ｄ Ｓ ｏｅ ａ ｄ ｉ ｘｅ ｄ ｄ ｉ ｔ ｉ ｅ ｓｏ ｓ Ａｃ ｏ ｄｎ ｏ ｉ，ｉ ｃ ｒ ｏ ａ ｅ ｔ ｈ ｃ ｏ ａ ａｉｎ Ｎｅ ｒｌ ｎ ｅ ｃ ｒ ｃ ｒ ｓｅ ｔ ｎ ｅ ｎ ｏ５ ｄ ｍ ｎ ｉ ｎ ． ｃ ｒ ｉｇ ｔ ｔ ｎ ｏｐ ｒ ｔｄ ｗｉｈ ｔ ｅ Ｂａ ｋ Ｐｒ ｐ ｇ ｔｏ ｕ ａ
供依据 。
关 键 词 ： 应 链 管 理 ， 效 评 价 ， 态 平 衡 计分 卡 ， Ｐ神 经 网络 供 绩 动 Ｂ 中 图分 类 号 ：９ ５ １ Ｎ ４ ．６ 文 章标 识 码 ： Ａ 文章 编 号 ：０７３２ （０ ０ ０ —０ ６０ １０ —２ １２ １ ）２ ０２ ・７
基于BP神经网络的供应商评价选择问题的研究
期望输 出值比较， 当其误 差小于某～设定 值 时 ，这 时神经 网络所 持有 的那组 权值 ｗｉ 阈值（ Ｉ０时 ｗｉ ｊ ， 当 ＝ ｊ即代 表阈值 便是 网络 经过 自适应学 习所 得到 的正确 内部 表示［】 一旦神经网络 训练 完毕 即可作为 ８。
企 业 评 价 和 选 择 供 应 商 的有 效工 具 。 ２ ． 法 ２算
薪， 人的生活环境越来越差 。作 为～个工
业 设 计 者 ， 能 不 从 人 的 需 求 出发 ， 解 不 把 决 我 们 生 活 中 遇 到 的 问题 作 为 我 们 设 计 的 目标 。 图利 用 我 们 的设 计 使 我 们 的 生 力
温度、 湿度、 （ 水 营养液） 自动控制。用户 的 所需要的是在不 同植物种植的时候选择不 同的模拟气候条件 。 同时， 亦可人为的改变 植 物 的生 长 曲线 ，让植 物 在 我 们 需要 的时
技 电子 产 品的 范 围 。
第 二步： 输入将经 预处理的训练样本 生存所 必须 的氧气 ， 因此 ， 人与植物 有一 种 与生俱来 的亲切 。 然而在工业 高度 发达
的 今 天 ， 我 们 对 自然 的 保 护 却 是 杯 水 车
从家 庭 人 员 比较稀 松 ，同时 大部 分 家 庭没 有 形 成对 植物 的强 烈 关怀 出发 ，考 虑
本 即 比较 实 例 训 练 这 个 网 络 使 不 同 的输 入 向量 得 到 不 同 的 输 出 量 值 ， 输 出值 与 将
强调无人看护能力 ， 自动 空气净化和
氧 气 产 量 调节
３ ． 能 ２功
向传播 的多层前馈神经网络 。网络分为输
入 层 、 间层 （ 含 层 ）输 出层 ， 中如 何 中 隐 、 其 输 出都 只 有 一 层 ， 层 可 有一 层 或 多层 。 中间 同层 的 网 络 结 点之 间没 有 连 接 。 个 网 络 每
基于BP神经网络的公司供应商信用评价
通过对供应商的信用进行评价，企业可以降低合作风险，提高业务合作的稳定性和可持续性。
供应商信用评价的定义与重要性
供应商信用评价的流程与内容
首先收集供应商的商业信用历史、经营状况、市场表现等方面的数据，然后对数据进行整理和分析，最后根据分析结果对供应商进行信用评级。
供应商信用评价流程
评价内容主要包括供应商的商业信用历史、经营状况、市场表现等方面。商业信用历史包括供应商的合同履行情况、付款情况等；经营状况包括供应商的财务状况、管理能力等；市场表现包括供应商的市场竞争力、客户满意度等。
供应商信用评价内容
VS
常见的供应商信用评价方法有定性评价法和定量评价法。定性评价法主要依靠评价人员的经验和判断进行评价；定量评价法则通过建立数学模型，用数学方法对供应商的信用进行量化评估。
01
02
03
THANKSFOR
感谢您的观看
WATCHING
CHAPTER
03
模型应用与案例分析
适用范围
BP神经网络适用于供应商信用评价这类非线性分类问题，能够处理大量输入变量和复杂的非线性关系。
限制
尽管BP神经网络具有强大的非线性分类能力，但在处理具有复杂因果关系的系统时可能存在局限性。此外，BP神经网络的训练速度可能较慢，需要大量的数据和计算资源。
模型应用范围与限制
基于BP神经网络的公司供应商信用评价
2023-11-04
CATALOGUE
目录
供应商信用评价概述基于BP神经网络的供应商信用评价模型模型应用与案例分析模型改进与未来研究方向结论与展望
CHAPTER
01
供应商信用评价概述
供应商信用评价定义
供应商信用评价是指企业根据供应商的商业信用历史、经营状况、市场表现等方面对其进行评估，以决定是否与其进行业务合作。
基于BP神经网络模型的中小企业信用评价体系研究
贷款，从而提高收益。
对政府和监管部门的启示
完善政策法规
政府和监管部门可以通过该评价体系研究和分析中小企 业信用状况，从而制定更加科学合理的政策法规。
优化金融市场
通过该评价体系，政府和监管部门可以更好地了解和掌 握金融市场的运行状况和发展趋势，从而制定更加有效 的监管政策和措施。
促进经济发展
通过支持中小企业发展，政府和监管部门可以促进经济 增长和社会就业，从而实现经济可持续发展目标。
模型评估与结果分析
模型评估
将测试集输入到训练好的模型中，对模型进行评估，计算模 型的准确率、精确率、召回率等指标。
结果分析
通过对模型评估结果的分析，发现模型在某些情况下存在一 定的偏差，需要进一步优化模型参数和结构。此外，还需要 加强数据质量和完整性的管理，以提高模型的准确性和可靠 性。
04
基于BP神经网络模型的中小企业信用评
05
基于BP神经网络模型的中小企业信用评
价体系的未来研究方向
完善模型算法和优化模型结构
改进优化算法
研究更有效的优化算法，如遗传算法、粒子群优化算法等，用于寻找最优解 ，提高模型训练效率和准确性。
优化模型结构
研究更合适的网络结构，如深度神经网络、卷积神经网络等，以更好地捕捉 和表达复杂的信用评价特征。
价体系的应用价值
对中小企业的意义
提升信用评价水平
通过BP神经网络模型，中小企业可以获得更准确、更客观的信用评价结果，进而提高其在 金融机构的信用评级和融资能力。
降低融资成本
准确客观的信用评价可以帮助中小企业在融资过程中获得更优惠的利率和更短的融资周期 ，从而降低其融资成本。
提高市场竞争力
有效的信用评价可以使中小企业更容易获得商业合作伙伴的信任和合作机会，从而扩大市 场份额，提高市场竞争力。
基于BP神经网络物流供应商能力评估研究
维普资讯
２０ ０ ８年 ５月
中 国 管 理 信 息 化
Ｃｈ ｎ ｎ ｇ ｍｅ ｔ ｎ ｏｍａｉｎ ｚ ｔ ｎ ｉ ａＭａ ａ ｅ ｎ ｆｒ ｔｏ ｉａｉ Ｉ ｏ
Ｍａ ， ０ ８ ｙ２ ０
第 １ 卷第 ９ １ 期
Ｖ １ ， ． ｏ ． １ Ｎｏ９ １
能更为及时、 准确地监控企业全部生产状况 ． 对于生产过
［ ］ 是科技． ｏ ｅ ｕ ｄ ｒ ． 程序设 计与开发技术大全［ ． ５求 Ｐｗ ｒ ｉｅ ９ Ｂ ｌ ０ Ｍ］北京 ：
人 民 邮 电 出版 社 ．０ ４ ２０ ．
程中的瓶颈环节能及时获悉 ， 并做出适 当调整。系统在设 ［ ］ 智杰等． ６戴 基于遗传算法 的浸染生产排缸策 略 ［］运筹 与管理 ， Ｊ． 计 时 已经对 从 订 单接 人 到产 品 出运 的整 个 生产 过 程进 行 ２ ０ ，２ ：４ － ５ ． ０ ６ （ ）１ ９ １３
基于 Ｂ Ｐ神经网络物流供应商能力评估研究
俞兆城 ， 赵永刚， 朱建坤
（ 军事交通 学 院 ， 津 ３ ０ ６ ） 天 ０ １ １
［ 摘 要］ 本文针对物流供应商评价优选问题， 从物流供应商能力实现层面， 运用Ｂ 神经网络方法 流供 应 商 能 力 的评 估 提 供 了有效 的途 径 。 为
并且各评价因素和评价结果之间具有复杂的非线性关系 ． 从竞争能力实现的层面上来建立其指标体系。从理论上 讲． 实现供应商竞争能力应具备 以下几个方面：
基于BP神经网络的技术创新预测与评估模型及其应用研究
基于bp神经网络的技术创新预测与评估模型及其应用研究一、论文名称、课题来源、选题依据论文名称：基于bp神经网络的技术创新预测与评估模型及其应用研究课题来源：单位自拟课题或省政府下达的研究课题技术创新预测和评估是企业技术创新决策的前提和依据。
通过技术创新预测和评估, 可以使企业对未来的技术发展水平及其变化趋势有正确的把握, 从而为企业的技术创新决策提供科学的依据, 以减少技术创新决策过程中的主观性和盲目性。
只有在正确把握技术创新发展方向的前提下, 企业的技术创新工作才能沿着正确方向开展,企业产品的市场竞争力才能得到不断加强。
在市场竞争日趋激烈的现代商业中, 企业的技术创新决定着企业生存和发展、前途与命运, 为了确保技术创新工作的正确性,企业对技术创新的预测和评估提出了更高的要求。
二、本课题国内外研究现状及发展趋势现有的技术创新预测方法可分为趋势外推法、相关分析法和专家预测法三大类。
(1)趋势外推法。
指利用过去和现在的技术、经济信息, 分析技术发展趋势和规律, 在分析判断这些趋势和规律将继续的前提下, 将过去和现在的趋势向未来推演。
生长曲线法是趋势外推法中的一种应用较为广泛的技术创新预测方法,美国生物学家和人口统计学家raymond pearl提出的pearl曲线(数学模型为: y=l∕[1+a?exp(-b·t)] )及英国数学家和统计学家gompertz提出的gompertz曲线(数学模型为: y=l·exp(-b·t))皆属于生长曲线, 其预测值y为技术性能指标, t为时间自变量, l、a、b皆为常数。
ridenour模型也属于生长曲线预测法, 但它假定新技术的成长速度与熟悉该项技术的人数成正比, 主要适用于新技术、新产品的扩散预测。
(2)相关分析法。
利用一系列条件、参数、因果关系数据和其他信息, 建立预测对象与影响因素的因果关系模型, 预测技术的发展变化。
相关分析法认为, 一种技术性能的改进或其应用的扩展是和其他一些已知因素高度相关的, 这样, 通过已知因素的分析就可以对该项技术进行预测。
BP神经网络的企业信用评价模型
图 1 BP 网络结构上管 理 荟 萃基于 BP 神经网络的企业信用评价模型王桂娟市 公 司 信 用 （财 务 状 况 ）的 好 坏 ，直接 影 响 到银行贷款的风险大小， 也影响到其他金 融机构或个人对该公司投资的决策。
更重要的是公司根据此信用情况可以清楚地看到公司经营状况，及时调整以适应市场需求，建立一个科学合理的企业信用评 价系统，对于我国当今金融市场的发展具有重要意义。
一、信用风险评价企业信用风险是指购买方不能按期偿还贷款或劳务费， 或供应方不能按约定收到贷款或劳务报酬。
对企业而言，信 用等级的高低直接影响企业在资本市场中的地位；对金融机 构而言，信用等级评估可以帮助中介机构在证券经营中进行 风险管理和市场定价；许多监管机构也利用独立的信用评价 来对其所负责的银行、 保险公司和公用事业公司进行监管， 保证其有健康的财务状况。
二、人工神经网络人工神经网络（Artifica l Neural Network ，ANN ）技 术 是 基 于神经科学研究成果发展起来的新兴边缘科学，是以工程技 术手段模拟人脑神经网络的结构与功能特征的一种技术系 统。
利用大量的非线性并行处理器来模拟人脑众多神经元， 利用处理器间错综灵活的连接关系来模拟人脑神经元间的 突触行为。
从本质上讲，人工神经网络是种大规模并行的非 线性动力学系统，在人工神经网络中，BP 算法是使用率最高 的算法，也是比较成熟的算法。
1.BP 神经网络BP 神经网络模型是由输入层、 输出层和若干个隐含层 组成的多层前馈网络模型，误差反向传播（BP ）算法是训练前 馈网络模型的最常用的算法。
在 BP 网络模型中，同层各神经元互不连接，相邻层的神经元通过权值连接。
2.BP 网络结构BP 网络是一单向传播的多层前向网络， 可看作是一个 从输入层到输出层的高速非线性影射， 其基本结构如图 1。
在 BP 网络结构中，输入信号从输入层结点，依次传过各隐含层结点，传到输出层结点 ，每一层结点的输出只影响下一层 结点的输入，每个结点都是一个神经元结构。
云环境下基于BP神经网络的电子商务企业信任评估模型研究
云环境下基于BP神经网络的电子商务企业信任评估模型研究-电子商务论文云环境下基于BP神经网络的电子商务企业信任评估模型研究文／李凌霞摘要：针对云环境下电子商务企业信任评估模型的不足，从交易行为、网站、云环境等方面构建信任度评价指标体系，并充分考了虚假评价和恶意推荐带来的影响及信任度新近变化情况，建立了云环境下基于BP神经网络的电子商务企业信任评估模型。
对云环境下数据的动态性、不确定性等特点，运用改进的BP神经网络技术，采用在隐含层的神经元设置可调多项式函数序列作为激活函数，提高网络的收敛速度，权重采用的是较小的随机数，没有复杂的人工计算过程，较好的克服了评估中的人为影响因素。
关键词：信任评估模型；BP神经网络；云计算中图分类号：TP939 文献标识码：A黑龙江省教育厅科学技术研究项目：云计算环境下电子商务企业信任评估研究，项目编号：引言云计算作为一种全新的计算模式和服务模式，为电子商务企业实现资源整合、多样的服务及降低成本提供了技术支持，使电子商务企业拥有一个开放的交易平台。
由于云环境下网络交易存在的动态性、时空分离性、虚拟性及不确定性等特点，给电子商务的交易安全带来了许多与云应用相关的新挑战。
为此，云环境下信任评估问题的研究吸引了国内外众多学者的关注，通过对云环境下电子商务信任度评价指标体系的构建及信任评估算法的设计，提高对商家的信任度的定量评估能力，对促进电子商务健康持续发展具有重要意义。
1．相关理论研究1.1 信任信任[1]在不同的学科中的定义不尽相同，在电子商务交易中，信任是买卖双方在特定的时间段和特定的上下文环境中，买方对卖方在某一交易中按照预期完成交易的诚信性、安全性及可靠性的一种主观感受，大小用信任度来衡量，表示信任的程度，可对信任度进行量化表示。
1.2 信任模型研究现状近年来，国内外学者对信任及评估问题进行了大量的研究，M.Blaze等人[1]于1996年首次提出“信任管理”，即采用统一的方法描述信任关系，用精确、理性的方式度量复杂的信任关系。
基于BP神经网络的A公司供应商评价研究
基于BP神经网络的A公司供应商评价研究汽车是一种特殊的集合性产品,配件企业制造各种配件,也是需要由零部件企业供应的。
本文的研究对象A公司主要经营汽车配件、汽车电子设备系统的生产、研发、应用和销售,在配件的研发和生产方面占据领先地位。
由于配件产品种类多样,大部分零部件都采取外购方式,通过严格的筛选确定零部件配套供应商,但由于公司现有供应商评价方式定性的成分较多,缺乏科学的评价体系和选择机制,阻碍公司实现自身成本的最优化和合作双方利益的最大化。
针对A公司供应商评价体系的现状,本文采用定性与定量相结合的研究方法,用BP神经网络为其建立了一套合适、可靠且可持续改进的供应商评价模型。
首先对已有的供应商评价体系做深入了解,发现存在的问题。
其次,通过文献研究以及问卷调查并结合已有的指标,将A公司的次级零部件供应商分为四种类型并分别对其建立了评价体系:战略性供应商有质量水平、服务水平、生产规模、财务状况、产品研发能力、外部环境、风险控制能力、企业信誉、环保效益、信息合作水平、合作经历和合作相容性这14个一级指标,产品质量认证体系、价格竞争优势等37个二级指标;有影响力的供应商有9个一级指标,23个二级指标;竞争性/技术性供应商有5个一级指标,19个二级指标;普通供应商有4个一级指标,16个二级指标。
并对各个评价指标进行分析及其量化。
再次,通过分析比较供应商评价的方法,发现BP神经网络具有较强的自适能力、泛化能力、并行分布式处理能力、学习能力等优点,所以选取BP神经网络为A公司的供应商评价建立模型,由于篇幅有限,文本以起动机的零部件——前驱动端盖战略性供应商为例,收集已有供应商的数据,通过样本训练将模型调试到最佳状态。
最后进行仿真预测帮助A公司选择出最佳的供应商合作伙伴,并且为企业今后对供应商的评价提供便利。
基于BP神经网络与GM（1，N）组合的生产项目后评价模型
0引言当前，电网公司生产项目投资需求持续强劲而投资能力不足的矛盾越发凸显，过往“投入不细问产出”的粗放投资管控模式已难以为继，投入产出研究被摆在了前所未有的高度，新形势下如何实现精准投资，将有限资源投入到有效领域成为当前亟待解决的难题。
供电局生产项目分为生产修理（成本类项目）和生产技改（资本类项目）、试验检验项目、委托运行及生产耗材购置等类型，生产修理和生产技改投入占比权重最大，其目的是提高设备性能和健康水平，因此，生产修理和生产技改精准投入关系到生产项目投入效益。
目前，生产项目设备归总实际生产投入额度与设备的典型表现指标之间的关系尚不明确，这影响了生产项目中的投入决策，从而限制了生产项目投入效益的进一步提高。
可以看出供电局迫切需要一种有效的管理工具或方法，强化项目管理，节支增收，积极适应外部环境变化和行业内部要求，增强电网行业抵抗风险和可持续发展能力，为国民经济的平稳运行和发展提供重要支撑。
后评价是在项目已经完成并运行一段时间后，对项目的目的、执行过程、效益、作用和影响进行系统的、客观的分析和总结的一种技术经济活动。
通过建立生产项目投入产出后评价模型，明确生产项目设备归总实际生产投入，尝试对生产投入效益进行趋势量化评价，从而为投入策略精准优化提供相应的支撑。
1后评价模型研究1.1设备典型表现指标与生产投入关系分析以变电专业为例，变电生产项目可划分为主设备和公用设施两大类，主设备和公用设施又各有子类，其中主设备中的主变设备典型表现指标为主变异常故障数、主变缺陷数量。
为明确主变设备生产投入与其典型表现指标之间的关系，同时考虑主变设备平均投运年限对其典型表现指标的影响、生产投入对设备的典型表现指标的影响具有滞后性、数据可得性及样本量等因素，此模型优先选择线性，具体形式如下：Y nm （T ）=aX 1（T-1）+bX 2（T ）+C ，其中X 1、X 2为自变量。
X 1为生产投入，X 2为平均投运年限。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２ Ｇ ａｇｉ ｎ ｅ ｉ ｚｏ ｒ ｃ ， ｚｏ ４０２Ｃ ｉ ） ． ｕｎｘＵ ｉｒｔＷｕｈｕＢａ ｈ Ｗｕｈｕ５３０ 。ｈｎ ｖ ｓｙ ｎ ａ
￣ ＇ ｌ ａ ｅ ｉ ｓｅ ｕｌ ｎ ｆａｓ ｐ ｌ ａｕ ｔ ｄ ｌ ｆ ＮＮ． ｅ ｎ ｘｅ ￣ ｌ ｔｅ ｍｕｔ ｔｒｅ ｅ ａｕ ｔ ｎ － ｈｓｐ ｐ ｒｄｓ ｕ ｓ ｓｔｅ ｂ ｉ ｉｇ ｏ ｕ ｐｉｒ ｖ ｌ ａｉｎｍｏ ｅ ｉ ｔ Ｐ Ａ Ｔ ｃ ｈ ｄ ｅｅ ｏ ｗｌ Ｂ Ｔｈ Ｋ ｔｌ ｆ ｓ ｈ ｌ — ｇ ｔ ｖ ｌａｉ ｉ ｆｉ ｉａ ｏ
目 标决 策问题 ， 如何确定一种方法对 目标进行综合是供 应 商 管理 研究 的重点 。目前 常用的 对供应 商 进行选 择评 价
的方 法主 要 有 Ａ Ｃ成 本法 、 次分 析 法 、 Ｂ 层 线形 权重 模 型 法 、 目标 数 学规划 （ Ｏ ） 多 Ｍ Ｐ 和数 据 包络 分 析法 （ Ｅ 等 。 Ｄ Ａ）
０ ｔｅ ｕＣ ａ ，ｍ ｒ ｉ ｅ ｂ￣ｔｉ ｅ ｅ ｃｎ ｒ ｅｓａｏ ｉｇｈ ｉｃｈｆ ｔ ｓｎｔｅ ａ ｅｏｉ ｔｉｎＦｎｌ ，ｒ ｆ ｆｈ ｐ ｙ ｈｉ ｉｐ ｖ ｇｔ ｊ ｉ ｔ ｉ ｔ ｌ ｔｇｐ ｃｓ，ｖｉｎ ｅｄｆｕ ｃ ｒ ｉ ｈ ｒ ｔ ｒ ｎ ｔ ．ｉ ｌ ｐ ｏｓ ｓ ｃ ｎ ｏ ｎ ｈｏ ｖｙ ｎ ｈ ｓ ｅ ｉ ｏ ｄ ｔ ｔ ｉ ａ ｏ ｔ ｇ ｅ ａｏ ａｙ ｏ
了供应商选择过 程的客观性 ， 同时该模型克服 了指标权 重难 以表达的缺点 。最后 ， 用实 例对 模型进行 了验证 。
［ 关键词］ 供应商评价 ；Ｐ Ｂ 神经网络 ｃ 中图分类号】 鹏 ［ 文献标识码］ ［ Ａ 文章编号］ ０ — ６３２０Ｊ１ ０９ — ４ １ ９ ２３（ ６Ｏ — ０９ ０ ０ ｏ
在 ２ 世纪 ， １ 供应 商对 企业有 着极 其重 要 的作用 。选 取台适 的供应商 ， 以降低系统总体成本 ， 可 提高竞 争力 ， 也 可 以帮助企业找到解决问题 、 同发展 的伙伴。很 多 国际 共 化 的大企业 已经通过利用供 应商管 理库 存 和让供应 商参 与新产 品的研究与开发来提高供应 商的地位 ， 增强与供应 商 的合 作 ， 以寻求在多供应链的竞争 中达 到双赢 目的。 作好供应商 的评价工作 是选择 好 的供 应商 的前提 条
ｗ ｌ ｂ ｉ ｎ ｔ ｅ ｍ ｄ ｌ ｉ ｌ ａ ｌ ｘ ｅ￣ ｅ ｔ ． ｉ ｅ ｓｒ ｏｔ ｏ ｅ ｆ ｍｐｅ ｅ ｐ ｒ ｎ ｎｓ ｌ ｅ ｈ ｗｌ ｓ
Ｋ ｙｗｌ ｓ ｓｐ ｌ ｒｅ ａｕｔ ｎ Ｐ Ａ ｅ ｔｄ ￣ｕ ｐｉ ｖｌａ ｏ ；Ｂ ＮＮ ｔ ， － ｅ ｉ
供应商评价模型 ， 对供应商进行决策 优化 十分重 要 本文
将 引入神经 网络的思 想 ， 采取定 性 与定量相 结合 的方 法 ， 提出并建立一种基于 Ｂ Ｐ神经 网络 的供应商评 价模 型
件 。只有客观 、 的评价 供应 商的 业绩 及各项 因素 ， 公正 才
能为企业顺 利进行下一 步的工作 选择最 合适 和最 强有力 的合作伙伴 。 企业在进行供应商评 价时 ， 必须 全 面权衡 各种 因素 ， 做 出适 当的评价 。由于评 价标准是多方 面的， 对各潜在 伙 伴企业 的特 征信息进行分析 、 整理 、 评估 ， 实质上是一个 多
维普资讯
第 １卷 ６
第１ 期
广 西 大 学 梧 州 分 校 学 报 ．
ＪＵ Ｎ Ｌ Ｆ Ｕ Ｎ Ｘ Ｕ Ｉ￣ ＩＹ ｇ Ｈ Ｕ Ｒ Ｎ Ｈ Ｏ Ｒ Ａ Ｏ Ｇ Ａ Ｇ Ｉ Ｎ Ｖ Ｔ Ｗ Ｚ Ｏ Ｂ Ａ Ｃ
Ｎ １Ｖ １１ ｏ． ０ ． ６ Ｊ ｎ ２ ｘ６ ａ．（ ）
ＢＰ ＡＮＮ ｕ ｐ ｉｒＥｖ ｌ ａｉ ｎ Ｍ ｏ ｅ Ｓ ｐ ｌｅ ａｕ ｔｏ ｄ ｌ
Ｙｎ Ｙｅ ｎ Ｈａ ｅＤｎ Ｘｄｎ ａ ｕ ｅ ｕ ｇ ２ ｅ ｕ ￣ ｇ ｆｇ ｎ Ｈ ｇ ｏ
（ ． Ａ ｍ ｎ ｔ ｔｎＣ ｌ ｇ ，Ｗｕ ａ ｎ ｅｓｙｏ ｃ ｎｅａｄＴ ｃｎ ｌ ｙ Ｗｕ ａ ３ ０ Ｃ ｉ １ ３ ｄ ｉ ｓ ａｏ ｏ ｅｅ ｉｒ ｉ ｌ ｈ ｎＵ ｉ ｒ ｔ ｆ ｉ ｃ ｎ ｅｈ ｏ ｇ ， ｈｎ４ ０ ８ ， ｈ ａ； ｖ ｉ Ｓ ｅ ｏ １ ｎ
１ 评价指 标 的确 定 ．
供 应商评价指标 的选 取 是非 常雨要 的 对供 应商 的
选 择研 究进行最早 、 响 也最 大的 是 ＤｃｓｎＧ— 他通 影 ｉｋｏ ｗ 过分析 １０份对 采 购 代理 人 和 采购 经理 的 凋查 ， ７ 结果 表 明， 重要性最高的前三个 因素分别 是品质 、 交货期 与过去 绩 效。
２Ｏ ０６年 １ 月
基于 Ｂ Ｐ神 经 网络 的供 应 商 评 价 决 策 优 化模 型
杨月锋 黄 河 邓旭东 （． ． Ｉ ３ 武汉科技大学 管理学院。 湖北 武汉 ４０８ ； ３０ １ ２ 广 西大 学梧 州分校 ． 广 西 梧州 ５３０ ） ． ４０２
［ 摘 要］ 本文利用 Ｂ 神经 网络建 立了一种供应商评价模型 。该模型实现 了供应链 中的供应商的多指标评 价 ， Ｐ 提高
收稿 日期 ：０５ １ ０ ２ ０ —１ — ３
虽然方法 比较多 ， 都并未在企业 的采购过程 中得 到广泛 但 的应用 。据资料显示 ， 世界前 １０家被认为最具 购买实 对 ５
力 的企业 中的 １０家进行 调查的结果表明 ， １ 仅有 ２ ．％的 ８１
企业能够提供评价形式 ， 而其 中 ４ ．％的企业还不具备合 ５６
适、 有效的评价系统。 因此 研究 出简单有效 、 切实 可行的