基于BP神经网络的企业文化影响力评价
基于BP神经网络的建筑施工企业信用评价模型研究
基于BP神经网络的建筑施工企业信用评价模型研究建筑施工企业信用评价是对企业信誉、信用风险等方面进行评估，是区分优劣企业的重要依据。
BP神经网络作为一种机器学习方法，对于复杂的信用评价问题具有很强的适用性。
本文旨在基于BP神经网络建立建筑施工企业信用评价模型。
一、研究目的建筑施工企业信用评价在现代经济活动中得到了广泛应用，但传统的评价方法在数据处理和权重分配方面存在缺陷。
本研究旨在利用BP神经网络，构建一种有效的建筑施工企业信用评价模型，以提高信用评价的精度和实用性。
二、研究方法本文采用BP神经网络作为建筑施工企业信用评价的模型，该模型分为三个部分：1、输入层：输入建筑施工企业的信用评价指标数据，包括企业注册资本、管理能力、市场竞争力、财务状况、施工质量等。
2、隐藏层：对输入的数据进行加权和汇总，得到建筑施工企业的信用评价结果，并通过反向传播算法进行误差调整。
3、输出层：输出建筑施工企业的信用评价等级，包括优秀、良好、一般和差等四个等级。
三、数据来源本研究采用了北京市建筑施工企业信用信息公示网站上的数据，包括企业名称、信用等级、信用评价指标数据等，共计100家建筑施工企业。
在数据采集过程中，需要注意保护企业隐私，确保数据的真实性和准确性。
四、实验结果本文通过BP神经网络对100家建筑施工企业进行信用评价，结果如下：优秀：20家良好：48家一般：26家差：6家通过本文建立的BP神经网络模型，可以准确评估建筑施工企业的信用等级，有助于企业和金融机构做出更加明智的投资和融资决策。
五、结论和建议本研究基于BP神经网络，建立了一种有效的建筑施工企业信用评价模型，精度较高，具有实用性。
建议在未来的研究中，进一步提高数据采集的可靠性和精准度，完善BP神经网络的算法设计，提高模型的适应性和稳定性，以更好地服务于建筑施工企业的信用评价和管理。
基于BP神经网络的企业知识管理评价模型
基于BP神经网络的企业知识管理评价模型李小艳;唐智勇【期刊名称】《计算机应用与软件》【年(卷),期】2014(000)002【摘要】For enterprises knowledge management evaluation process has the randomness,complexity and uncertainty,we use 3-tier BP neural network to evaluate it.First,the analytic hierarchy process is used to screen out the main evaluation indexes from index system;then the adaptive learning rate is adopted together with introducing the momentum item approach to train the neural network.Finally,the algorithm is validated in combination with an instance.Simulation results indicate that the model is scientifically reasonable and has desirable applied value.%针对企业知识管理评价过程的随机性、复杂性与不确定性，采用三层BP神经网络对其进行评价。
首先利用层次分析法（AHP）从指标体系中筛选出主要的评价指标，然后采用自适应学习速率并引入动量项的方法来训练神经网络，最后结合实例对算法进行验证。
仿真结果表明，该模型科学合理，具有较好的应用价值。
【总页数】4页(P93-95,102)【作者】李小艳;唐智勇【作者单位】华南理工大学自动化科学与工程学院广东广州510640;深圳市蓝云软件有限公司广东深圳518057【正文语种】中文【中图分类】TP391【相关文献】1.基于BP神经网络的高校图书馆隐性知识管理绩效评价模型研究 [J], 李超;周瑛2.基于BSC的企业知识管理绩效评价模型及评价方法研究 [J], 张瑞红3.基于BP神经网络的企业技术创新绩效评价模型构建——以福建45家高新技术企业为例 [J], 张晓芳;戴永务;刘燕娜4.基于改进模糊Borda法的企业知识管理绩效评价模型研究 [J], 尹淋雨;程刚5.基于DEA模型的企业知识管理绩效评价模型研究 [J], 段海超;葛新权;黄济民因版权原因，仅展示原文概要，查看原文内容请购买。
基于BP神经网络的企业技术创新能力评价及应用研究_夏维力
第17卷第1期2005年2月研究与发展管理R＆D MANAGEM ENTVo.l17No.1Feb.2005文章编号:1004-8308(2005)01-0050-05基于BP神经网络的企业技术创新能力评价及应用研究 *夏维力,吕晓强(西北工业大学管理学院,西安 710072)摘 要:针对当前评价企业技术创新能力的方法所存在的不足,提出一种基于BP神经网络的企业技术创新能力评价方法。
首先建立企业技术创新能力评价指标体系,然后根据指标体系,设计BP神经网络模型,并给出可行的评价程序。
在计算方法上,用M ATLA B神经网络工具箱来进行网络设计和计算。
通过大量学习样本的训练和测试,使模型的误差达到预定的范围内。
最后,以实例验证了这种方法的准确性和可操作性。
关键词:技术创新能力;BP神经网络;MA TLAB神经网络工具箱中图分类号:F272.1 文献标识码:A企业技术创新能力是指企业在技术创新活动过程中所表现出来的技术开发与转化的条件和力量。
企业技术创新活动的进行,既有来自于市场的需求和竞争的压力,也有来自于企业内部的员工和企业整体的经济利益和精神追求的推动;技术创新活动也日益成为决定企业生存和发展的动力和源泉[1]。
目前,我国采用的评价企业技术创新能力的方法大多是美国著名运筹学家Saaty TL于20世纪70年代提出的层次分析法(AH P)。
其弊端集中体现在:①指标体系不够全面客观;②评价指标权重的确定缺乏理论依据,带有明显的主观臆断;③不能反映技术创新能力中随外界变化的动态因素。
因此,评价结果的准确程度和激励作用是有限的。
近十年来迅速发展的人工神经网络(A rtificia lNeuralN et w o r k,ANN)是非线性科学中的前沿热点。
它属于隐式数学处理方法,无须建立数学模型,而由网络训练从数据中概括出来的知识,以多组权值和阈值的形式,分别存储于各神经元中,构成网络知识,然后利用该知识来评价或预测相似因素的结果。
基于BP神经网络的企业经营绩效分析模型
基于BP神经网络的企业经营绩效分析模型绪论企业的经营绩效是评估企业运营状况和发展潜力的重要指标。
为了提升企业的竞争力和盈利能力，许多研究者通过构建模型来预测和评估企业的经营绩效。
本文将介绍一种基于BP神经网络的企业经营绩效分析模型，探讨该模型在实际应用中的优势和潜在挑战。
一、BP神经网络简介BP神经网络是一种常用的人工神经网络模型，通过反向传播算法训练网络权值，实现对输入数据的模式识别和预测。
BP神经网络具有非线性、自适应和并行处理能力，能够应用于复杂问题的解决。
因此，它被广泛应用于企业的经营预测和绩效评估。
二、BP神经网络在企业经营绩效分析中的应用1. 数据收集和预处理在建立BP神经网络模型之前，需要收集并整理企业的经营数据。
这些数据可以包括营业收入、成本、净利润、资产负债表等信息。
同时，还需要进行数据预处理，包括数据清洗、特征提取和数据归一化等，以提高模型的准确性和鲁棒性。
2. 网络结构设计BP神经网络的网络结构对于模型的性能至关重要。
在企业经营绩效分析中，一般采用三层结构的BP神经网络，包括输入层、隐含层和输出层。
输入层接收经营数据作为网络的输入，隐含层用于处理数据特征的提取和映射，输出层给出对企业经营绩效的评估结果。
3. 训练和学习算法BP神经网络的学习过程包括正向传播和反向传播。
正向传播阶段将输入样本通过网络前向传递，生成输出结果。
反向传播阶段根据输出结果与实际值之间的误差，通过调整网络权值，更新网络参数，以实现权值的自适应调整和误差最小化。
4. 绩效预测和评估通过训练好的BP神经网络模型，可以对未来的企业经营绩效进行预测。
根据输入数据，通过网络的反向传播算法，可以得到与企业实际绩效相符的输出结果。
同时，还可以通过对网络权值和输出误差的分析，评估企业绩效的影响因素和关键驱动因素。
三、基于BP神经网络的企业经营绩效分析模型的优势1. 非线性建模能力BP神经网络模型具有强大的非线性建模能力，能够更好地适应复杂的经营环境和数据关系。
基于BP神经网络的汽配企业的综合评价模型
基于BP神经网络的汽配企业的综合评价模型∗雷平1,2, 郭顺生1,21.武汉理工大学信息学院，武汉（430070）2.湖北省数字制造重点实验室，武汉430070）E-mail：leiping_1982@摘要：本文针对我国汽配企业发展的现状，提出了一个汽配企业的基于BP神经网络的综合评价模型。
较为系统的分析了其网络组成结构与训练方法的选择，并在Matlab下对其进行了实现与验证。
关键词：BP神经网络，汽配，模型中图法分类号: TP311文献标识码: A0. 引言汽车零部件作为汽车工业的基础，是支撑汽车工业持续健康发展的必要因素。
特别是当前汽车行业正在轰轰烈烈、如火如荼开展的自主开发与创新，更需要一个强大的零部件体系作支撑。
现在广泛采用的方法是组建供应链联盟或者加入电子商务网站以形成合力，充分发挥自身优势。
但是这就需要有一个能够对于汽配企业进行综合评价的科学模型，以便需求方可以快速、准确地从众多企业中选择自己的合作伙伴。
1．评估指标体系的建立评价指标的建立应该遵循以下几个基本原则：（1）系统性原则；（2）简明科学性原则；（3）稳定可比性原则；（4）灵活可操作性原则；（5）扩展性原则；（6）定性与定量相结合原则[1][5]。
具体到汽配行业，我们从最终需求方出发，得出如下基本评价指标：评价指标可量化指标产品可靠性产品合格率合格产品/产品总件数交货准时率准时交货次数/总交货次数产品价格同比价格比较优势（产品价格－平均产品价格）/平均产品价格订单反映能力订单满足率当日总订单量/当日总生产量订单延迟率延迟订单数量/总订单数量客户评价客户满意率客户满意订单/总订单量表1 评价指标2．BP（Back Propagation）神经网络综合评价模型神经网络具有非线性处理和模式识别能力，可以用于解决用传统方法难以解决的复杂问题。
BP神经网络是目前应用最广泛的神经网络，从理论上讲它可以实现从输入到输出的任意非线性映射，而且具有很强的泛化能力[2]。
基于改进BP神经网络的企业知识管理绩效评价研究
基于改进BP神经网络的企业知识管理绩效评价研究在知识经济时代，知识蕴含于人力资本与科技中，是企业在激烈的市场竞争中获胜的重要资本。
知识管理是企业管理者对其所掌握的企业内外知识的管理和利用，当代企业的运营模式已转变为以人力、知识资本的开发为主，知识管理必将成为企业管理的重点。
企业知识管理活动的效率和效果取决于能否实施绩效评价及评价结果对企业知识管理进程的有效反馈与改进，通过对企业知识管理现状的评价，能够发现企业知识管理中存在的问题，进而合理配置企业资源，创造更多的价值。
知识管理绩效评价与技术、企业文化结构等众多因素有关，是一个复杂的过程，只有准确的发现问题才能可靠地提出解决方案，因此对知识管理评价的准确度要求也很高，需要合理有效的评价模型来实现。
本文首先结合企业实践与相关文献构建了一个共计20个指标的两级评价指标体系，利用AHP方法根据指标权重，从中筛选出8个代表性的指标作为绩效评价的评价指标。
然后采用BP神经网络方法对企业知识管理绩效进行评价，设计网络参数，构建网络模型。
先把数据分为训练集和测试集，采用标准BP算法对知识管理进行评价，仿真结果很不理想，分析造成结果精度不高的原因，然后提出使用改进的BP网络算法训练网络，包括动量-自适应学习速率算法、LM算法和遗传神经网络算法。
其次分别对三种改进算法进行仿真，分析改进算法相对于标准算法的优越性，并通过对三种改进算法的性能比较，提出采用动量-自适应算法作为BP网络模型的训练算法。
对测试集的仿真结果和专家评价结果分析比较，结果表明改进的BP神经网络模型在知识管理绩效评价方面具有可行性与准确性。
最后，对全文进行了总结，并提出了指标筛选和评价模型改进的方向。
基于BP神经网络的建筑施工企业信用评价模型研究
基于BP神经网络的建筑施工企业信用评价模型研究【摘要】本研究旨在探讨基于BP神经网络的建筑施工企业信用评价模型。
引入神经网络技术，通过分析建筑施工企业的信用评价模型概述和BP 神经网络原理，构建了相应的评价模型，并设计了一系列实验证明其有效性。
通过实验结果分析，发现该模型在预测建筑施工企业信用方面具有一定优势。
该研究成果为建筑行业提供了一种新的信用评价方法，有望在实践中得到广泛应用。
未来研究可进一步完善该模型，提高评价精度和实用性。
通过本研究的探讨，为建筑施工企业的信用评价提供了新的思路和方法，具有重要的研究意义和实践价值。
【关键词】基于BP神经网络、建筑施工企业、信用评价模型、研究背景、研究目的、研究意义、模型构建、实验设计、实验结果分析、研究成果总结、模型优势、研究展望1. 引言1.1 研究背景本研究旨在构建基于BP神经网络的建筑施工企业信用评价模型，并通过实证研究验证其有效性，为建筑施工企业的风险管理和信用评价提供科学依据，促进建筑施工企业的可持续发展。
1.2 研究目的本研究的目的是建立基于BP神经网络的建筑施工企业信用评价模型，通过对建筑施工企业的信用进行准确评价，帮助投资者、商业合作伙伴和金融机构更好地了解企业信用状况，降低投资和合作风险。
具体目的包括：一是通过构建信用评价模型，提高对建筑施工企业信用评价的准确性和科学性；二是为建筑施工企业提供参考，帮助其改进管理和经营决策，提升信用水平；三是促进建筑施工企业与金融机构之间的合作，为企业融资提供依据。
通过研究建筑施工企业信用评价模型，探索BP神经网络在企业信用评价领域的应用，为相关领域提供理论支持和实践指导。
1.3 研究意义建筑施工企业在市场经济中扮演着重要角色，其信用水平直接影响到企业的发展和持续经营。
对建筑施工企业进行信用评价具有重要意义。
本研究旨在利用BP神经网络建立建筑施工企业信用评价模型，为企业和相关机构提供科学的评价工具。
1. 促进建筑施工企业的良性发展：通过建立信用评价模型，可以更准确地评估建筑施工企业的信用风险，进一步规范市场行为，促进企业诚信经营。
BP神经网络在企业绩效评价中的应用
ＢＰ神经网络在企业绩效评价中的应用摘要：当今的企业绩效评价方法已经不适用于企业的发展，为了建立企业绩效综合评价模型，在由基本的财务指标构成的财务分析体系基础上，将BP神经网络应用于绩效综合评价中，以企业历史数据作为BP神经网络的训练样本，用训练好的BP网络评价企业当期各方面的绩效，能达到令人满意的评价效果。
关键词：神经网络；企业绩效；综合评价1. BP神经网络1.1 BP神经网络的模型BP网络是一种多层前馈型神经网络，其神经元的传递函数是S型函数，输出量为0到1之间的连续量，它可以实现从输入到输出的任意非线性映射。
由于权值的调整采用反向传播(Back Propagation)学习算法，因此也常称其为BP网络。
BP学习算法要求神经元模型的传递函数为有界连续可微函数，如sigmoid函数(形如f(χ)=(1+е-x)-1)。
由具有这种传递函数的神经元组成的网络，通过学习可以用一个连续的超曲面(而不仅仅是一个超平面)来完成划分输入样本空间的功能。
在输入样本空间复杂的情况下，可根据要求，采用n层网络结构，具有输入层、隐含层、输出层三个层次，各层间实现全连接，此时学习后的网络可以以n-1个超曲面构成一个符合曲面，完成复杂的分类任务，弥补了单层感知器的缺陷。
BP神经网络结构通过误差反向传播来消除误差。
在训练中通过计算输出值与期望值之间的误差，来求解输出层单元的一般化误差，再将误差进行反向传播，求出隐含层单元的一般化误差，调整输出层和隐含层及输入层之间的连接权值与隐含层、输出层的阈值，直到系统误差可以接受为止，此时的权值、阈值不再改变。
图1 前馈神经网络模型如图1所示的三层前馈网络中，第1层为输入层，第3层为输出层，中间层为隐含层，输入层神经元函数取f(x)=x，即输入层神经元将输入值不加处理地直接通过加权传送至隐含层神经元，隐含层和输出层神经元节点函数为Sigmoid型函数：f(χ)=(1+е-x)-1，该函数的特点是定义域为实数，取值范围为(0，1)，并且为非线性、可微、非递减函数，所有的神经元阀值都取为0。
基于BP神经网络的“互联网+农业”上市公司绩效评价
基于BP神经网络的“互联网+农业”上市公司绩效评价随着互联网+时代的到来，农业领域也迎来了新的发展机遇。
许多农业企业利用互联网技术，开展“互联网+农业”业务，提高农业生产效率和质量，推动农业现代化。
这些企业中的一些上市公司，通过实施“互联网+农业”战略，取得了可观的业绩。
本文旨在基于BP神经网络，对这些上市公司的绩效进行评价，帮助投资者更好地了解这些公司的经营状况。
一、BP神经网络简介BP神经网络是一种常见的人工神经网络，具有较好的分类和预测能力。
它由输入层、隐层和输出层构成，通过不断地调整权值和阈值，使网络能够学习和记忆样本数据，从而实现对未知数据的预测和分类。
BP神经网络在金融、经济、企业管理等领域都有着广泛的应用，能够有效地对企业业绩进行评价和预测。
二、“互联网+农业”上市公司绩效评价指标体系在进行“互联网+农业”上市公司绩效评价时，可以考虑以下指标：销售收入、净利润、市场份额、研发投入、资产负债率、现金流等。
这些指标可以从财务和市场两个方面来评价公司的经营情况，全面地反映企业的经营状况。
1. 数据准备需要收集各家“互联网+农业”上市公司的相关财务和市场数据，建立BP神经网络的数据集。
数据集中应包含销售收入、净利润、市场份额、研发投入、资产负债率、现金流等指标，以及这些指标对应的公司名称和时间。
在收集数据时，要确保数据的真实性和可靠性，避免出现数据的误差。
2. 网络构建在数据准备好后，可以开始构建BP神经网络。
根据数据集的结构，确定网络的输入层、隐层和输出层的节点数，并初始化权值和阈值。
在构建网络时，需要考虑不同指标之间的关联性和影响因素，合理地设置网络的结构和参数，以确保网络能够有效地学习和记忆数据。
3. 网络训练构建好网络后，可以开始对网络进行训练。
将数据集中的数据输入到网络中，通过调整权值和阈值，使网络逐渐逼近训练数据的输出。
在网络训练过程中，需要注意防止网络出现过拟合和欠拟合的情况，及时调整学习率和停止条件，确保网络的训练效果。
基于BP神经网络的中小企业信用评价
网络评价模 型，该模型具有对 中小企业信用的预测功能。
【 关键词】企业信用
一
．
引言
Ｂ 神经网络用于中小企业信 用评价的原理 ： 中小企业信 用评 Ｐ 把
目前 ．中小企业 在我 国的经济发展 中 占有举足轻重 的地位 ． 价指标体 系的信息作 为神经网络的输入 向量 ｘ Ｘ．，Ａ． ）将 ＝（， ． Ｘ ： Ｘ
维普资讯
经 营 管 理
中小企业信用评价
懈 高丽 华
【 摘
朱邦毅
华东理 工大学商学 院
要】本文在分析信用评价重要 性的基础上 ，根据 中小企业信用评 价的指标体 系建立 了基于 Ｂ 神 经网络的 企业信 用三层神经 Ｐ
Ｂ 神经 网络 Ｐ 指标体 系
２ Ｂ 神 经网络模 型的构建 ．Ｐ （】 １层数 的设计 。１８ 年 Ｒ ｂｒ Ｈ ｃ ｔＮｅｓｎ 明了对 于闭 ９ ｏｅｔ ｅｈ— ｉｌ 证 ９ ｏ 区间内的任一连续 函数都可 以用一个 隐含层 的Ｂ 网络 来逼近 。 Ｐ 因 而一个三层的 Ｂ 网络可 以完成任意的 ｎ 到 ｍ维的映射。因此 ． Ｐ 维 本文选 用含有一个 隐含层 的三层 Ｂ 神经网路 Ｐ （） ２ 输入层的设计。 Ｐ Ｂ 神经 网络只能处理表示成 数值 的输入数
由 小
企
经营 ４ 流动资产周转率 ［ 售收～ 流动 舞产 平均采颧】 ｛ 自 能力 创利 能力 ５存赞周转率 售成本， 平均存货 】
６应收账软周转率【 赊销收入净额， 应收账敝 平均采额】
输 入层
媳 台 层
Ｂ 神经闫络结构图 Ｐ
输 出层
业 信 用 评
价
７销售利澜率【 销售利悯， 销售收入】 ８赉报酬率【 净利悯， 费产总额】 ９全员劳动生产翠［ 人】 元／
基于BP神经网络的施工企业综合能力模糊评价
ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｅ ｓ ｔ ｈ ｅ ｎ ｅ ｔ ｗｏ ｒ ｋ ｍｏ ｄ ｅ ｌ ｉ ｎ ｔ ｈ ｅ ｔ ｈ ｅ ｏ ｒ ｙ ｏ ｆ ＢＰ ａ ｒ ｔ ｉ ｆ ｉ ｃ ｉ ａ ｌ ｎ ｅ ｕ ｒ ａ ｌ 。ａ ｎ ｄ ｔ ｒ ａ ｉ ｎ ｓ ｔ ｈ ｅ ｎ ｅ ｔ ｗｏ ｒ ｋ ｂ ｙ
ｓ ｅ ｓ ｃ ａ ｎ ｕ ｓ ｅ ｔ ｈ ｅ ｓ ｙ ｓ ｔ ｅ ｍ ｔ Ｏ ｍａ ｋ ｅ ａ ｕ ｎ ｉ ｆ ｉ ｅ ｄ ｅ ｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎ ．
ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ｉ ｏ ｎ ｃ ｏ ｍ ｐａ ｎｉ ｅ ｓ ｂ ａ ｓ ｅ ｄ ｏ ｎ ＢＰ ｎ ｅ ｕ ｒ ａ ｌ ｎｅ ｔ ｗｏ ｒ ｋ
Ｈ０ＮＧ Ｗｅ ｎ — ｘ ｉ ａ ， ＺＨＡＮＧ Ｔｅ ｎ ｇ， ＺＨＵ Ｑｉ ｎ ｇ — ｙ ｕ ｎ
ｓ ｉ ｎ ｇ ｌ ｅ ｈ ｉ ｄ ｄ ｅ ｎ ｌ ａ ｙ ｅ ｒ ｓ ｔ ｒ ｕ ｃ ｔ ｕ ｒ ｅ ，ｔ ｈ ｅ ｎ ｂ ｕ ｉ ｌ ｄ ｓ ａ ｃ ｏ ｎ ｓ ｉ ｓ ｔ ｅ ｎ ｔ ，ｃ ｏ ｎ ｖ ｅ ｎ ｉ ｅ ｎ ｔ ａ ｎ ｄ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｅ ｖ ａ ｌ ｕ ａ ｔ ｉ ｏ ｎ ｓ ｙ ｓ ｔ ｅ ｍ ｏ ｆ ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ｉ ｏ ｎ ｅ ｎ ｔ ｅ ｒ ｐ ｒ ｉ ｓ ｅ ｓ ｃ ｏ ｍｐ ｒ ｅ ｈ ｅ ｎ ｓ ｉ ｖ ｅ ａ ｂ ｉ ｌ ｉ ｔ ｙ ． Ｕｌ ｔ ｉ ｍａ ｔ ｅ ｌ ｙ ，ｓ ｏ ｍｅ ｒ ｅ ｌ ａ ｔ ｅ ｄ ｂ ｕ ｓ ｉ ｎ ｅ ｓ —
第 ３ ６卷第 ３期
Ｖｏ １ ． ３ ６ Ｎｏ ． ３ ２ ０ １ ５
青 岛 理 工 大 学 学 报
Ｊ ｏ ｕ ｒ ｎ ａ ｌ ｏ ｆ Ｑｉ ｎ ｇ ｄ ａ ｏ Ｔｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｉ ｃ ａ ｌ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ
基于BP神经网络的企业信用评估系统的研发的开题报告
基于BP神经网络的企业信用评估系统的研发的开题报告一、研究背景和意义随着市场经济的不断发展和竞争的加剧，企业之间的信用成为了重要的竞争力。
在商业活动中，企业信用往往是商业伦理的体现，以及企业生存和发展的重要基石。
因此，对于企业的信用评估显得尤为重要。
目前，我国企业的信用评估主要是由金融机构和信用评级机构进行评估。
但是，这种方式存在一些问题，比如对于小微企业、非上市企业等，往往没有信用评级机构进行评估；另外，传统的评级机构常常只是通过财务指标、市场环境等方面进行评估，不能全面反映企业的实际状况。
因此，采用基于BP神经网络的企业信用评估系统进行评估，不仅可以实现快速、准确地评估，同时也可以解决评估内容过于单一的问题。
二、研究内容和目标本研究旨在设计并开发基于BP神经网络的企业信用评估系统，实现对于企业信用情况的自动化评估。
具体研究内容包括：1. 建立企业信用评估的指标体系，并确定评估指标的优先级和权重；2. 借助BP神经网络的优势，对评估指标进行自动筛选和权重分配；3. 基于收集到的企业数据，训练BP神经网络，并对网络进行精细调整；4. 设计并实现企业信用评估系统的界面和功能，实现对于企业信用情况的实时评估。
三、研究方法和技术路线本研究主要采取以下方法和技术路线：1. 调研和分析企业信用评估的现状和问题，确定评估指标和权重；2. 构建BP神经网络模型，实现自动化评估；3. 使用Python语言实现BP神经网络模型，并借助相关Python工具包（如PyTorch）实现网络训练和优化；4. 利用Bootstrap、jQuery、Vue等前端技术实现企业信用评估系统的界面和功能；5. 更进一步将系统集成化，实现对于大数据的分析和处理，以提高评估的准确性。
四、预期成果和贡献本研究预期的成果为：基于BP神经网络的企业信用评估系统，该系统具有以下特点：1. 评估准确度高，能够全面反映企业的实际状况；2. 系统能够自动学习和优化，适应各种类型的企业；3. 系统操作简单方便，用户友好。
浅析基于BP神经网络的科技型创业企业信用评价研究
浅析基于BP神经网络的科技型创业企业信用评价研究BP(Back Propagation)神经网络是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(hidden layer)和输出层(output layer)。
摘要：由于在市场经济中时常出现信息不对称现象，致使融资难题难以解决。
首先结合科技型创业企业的特征构建了适合科技型创业企业信用评价的指标体系，然后以选取的100家在创业板和新三板上市的科技型创业企业的财务数据为样本，运用因子分析法提取出影响企业信用状况的公因子，将其作为评价模型的变量指标，最后，建立了适合科技型创业企业信用评价的BP神经网络模型。
实证结果表明，BP神经网络模型处理企业信用评价问题具有较高的准确性。
关键词：科技型创业企业;BP神经网络;信用评价一、引言目前，科技型创业企业已成为推动国民经济持续健康发展的重要动力之一，然而在其发展和壮大过程中也最容易出现制约其发展的问题。
由于科技型创业企业需要大量的资金投入，融资问题已成为影响其是否取得成功的关键因素。
在国内企业取得融资的有限渠道中，银行和金融市场起着至关重要的作用，但往往由于市场信息的不对称以及企业信息不透明等因素的限制，出于规避高昂的监督成本和收益的高度不确定性等风险，银行和金融机构在放贷额度中给予科技型创业企业的融资额度相对有限。
由于科技型创业企业的研发周期长，在缺乏有效的外部融资的状况下，即使项目有大好投资前景，企业也有较大的失败风险，最终无法发挥出科技型创业企业对企业技术创新的促进作用。
基于BP神经网络的建筑企业信用评价体系分析
学 的信用理论 ， ， 对建筑 企业信 用可定义 为 ： 筑企业 作为建 建 筑 市场 的主体之 一，基于建 筑市 场其 他主体 （ 如建 设单 位 、 咨询单位等 ）对 自己的信任 ，能够 让其他 主体对 自己在共 同 的市场 活动中即将实施行 为的某种 期望与 自己的行 为表现 相
一
致。
法律和法 规 ，指标 体系要体现 国家宏观政策的导向。 （ ）定量分析与定性分析相结合 ４ 影响建筑企业信用 的 因素 很多 ，众多难 以量化 的因素往 往对 受评 企业履约 能力 和履约 意愿 的影 响作用更 大 ，单 纯依
靠定 量指 标并 不能科学 客观地 反映受评 企业 的信用 情况。因 此 ，在参 考定 量指标评 价结果 的基础上还需要借助定性 分析 ， 如信 用分析师和信用评 审委员会专 家的行业 经验和专业 判断 等。在 全 球 占有 重 要 地 位 的 美 国 信 用 评 价 业 先 驱 标 普
２０ ０ ８年第 １ 期 １
Ｓ ｉ ｎ ｅ ａ ｄ Ｔ ｃ ｎ ｌｇ ｎ ｇ ｍｅ ｔＲｅ ｅ ｒ ｈ ｃ ｅ ｃ ｎ ｅ科技ｏ ｙ Ｍａ ａ ｅ ｎ ｓ ａ ｃ ｈ ｏ 管理研究
２ ｏ ． ｌ ０ ８ Ｎｏ １
文 章 编 号 ：１０ ７ ９ （０ ８ １ — １９— ４ ００— ６ ５ ２ ０ ） １ ０ ５ ０
领域市场信用体 系建设对 于形成 规范有序 的建设市 场 ，维护
国家和人筑 企业 信用 的定 义
企业信用评级活动源于 ２ ０世纪初 的美 国，在欧洲 国家也
（＆ ） Ｓ Ｐ 、穆迪 （ ｏｙ ）和邓 白氏 （ ＆ ） 都更加强 调定性 Ｍｏｄ ￣ ＤＢ 分析 的作 用。 （ ）信用评价标准的一致性和可 比性 ５ 信用评价标准的一致性是指对 同一类 型的建筑企业应 采 用相同的评价标准。信 用评价标准 的可 比性 则是指对 不同类 型受 评企 业的评价结果 可以互相 比较 。 （ ）信用评价指标的适用性和可操 作性 ６ 建筑 企业信用评 价指标 不仅要采取科学先进的评级技术 ， 还要 充分考虑其适用性 和可操 作性 。除 了需 要考虑受评 企业 提供信用评价基础资料的可 获得和可靠 性之外 ，评价指 标的 设计应使 信用分析 人员和受 评企业容 易理解与操作。
BP神经网络在企业绩效评价中的应用
１ 企业绩效评价方法研 究现状
企业绩效评价的方 法已从财务评价的盈利率与资金管理效 率 （ ＲＩ 如 Ｏ ）等方法 ，向基于企 业活动 的成本 会计 核算方法
（Ｂ ） Ａ Ｃ 、基 于 经 营 活动 用 目标 评 价业 绩 法 （ Ｏ 扩 展 。美 国 ＭＢ ）
标对企业业绩进行分析。但它缺乏一个单一 的关注重点。美 国
来引导企业 经营者和员 工的行 为 ，检验 和修正企业 的发展 战 略 ，进 而为发展战略和经营策略 的调整提供依据 。
自动控 制专家 Ｌ． Ｚ．ａｅ （９ ５ 提 出了模糊数 学理论 ， Ａ． ｄｈ １９ ） 并 由此开创 了模糊评价法。该方法不仅客观地按综合分值进行 评价 和排 序 ，还能根 据模 糊评 价集上 的值 对评定对 象划分等
标 决 策评 估 问题 。Ｃ ａ ｓ Ｃｏｅ ｈ ｍｅ、 ｏｐｒ和 Ｒ ｏ ｅ （９ ８ 提 出 ｈｄｓ １ ７）
了 《 国有资本 金绩效评价规则》 。修订后 的 《 国有资本金绩效
评价规则》 中评价指标 体系选择 了改进后 的功效系 数法作为 定 量指标 的评 价计分方法 ，选择综 合分析 判断法作 为定性指
ｔｒ ｒ ｅ’ ｅｆ ｒ ａ ｃ ｓ ｅ ｓ ｎ ． ｙ ａ ｐｙ ｎ ｅ ｒ ｌｎ ｔ ｒ ｓ ｃ ｌｕ ａｉｎ ｏ ｅ ｂ ｓｓｏ ｄ ｂ Ｅ ｅ ｌ ｅ ｙ ｈ ｓ ｅｐ ｉ Ｓｐ ｒ ｍ ｎ ｅ ａ ｓ ｓｍｅ ｔ ｂ ｐ ｌｉ ｇ ＢＰ ｎ ｕ ａ ｅｗｏｋ ａ ｃ ｌｔ ｎ ｔ ａ ｉ ｆＭａ ａ ． ｘ ｍｐ ｉ ｄ ｂ ｉ ｓ ｏ ｏ ｈ ｉ ｆ — ｔｒｃ ｌｄ ｔ ｓＢ ｒ ｉｉ ｇ ｎ ｕ ａ ｅ ｒ ｓ ａ ｌｓ ｉ ａｓ ｅ ｎ ｔ ｔｓｔ ａ ｈ ｓ ａ ｐ ｉａｉｎ ｎ ｅ ｔ ｒ ｒ ｅ’ ｅ ｏ ｍａ ｃ ｏｉ ａ ａａ ａ Ｐ ｔ ｎ ｎ ｅ ｒ ｎ ｔ ｋ ’ｓ ｍｐ ｅ ． ｔｌ ｏ ｄ ｍｏ ｓｒ ｅ ｈ ｔｔ ｉ ｐ ｌ ｔ ｓ ｉ ｎ ｅｐ ｉ ｓｐ ｒ ｒ ｎ ｅ ａ ｌ ｗｏ ａ ｃ ｏ ｓ ｆ
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神经网络的企业信用评级模型
上
海
海
事
大
学
学 报
Ｖｏ ． ８ Ｎｏ ３ １２ ．
Ｊ ｕｎ ｌ ｆＳ ａ ｇ ａ ｒ ｉ ｎｖ ｒｉ ｏ ｒａ ｈ ｎ ｈ ｉＭａ ｔ ｏ ｉ ｍｅ Ｕ ｉｅｓ ｙ ｔ
Ｓ ｐ ．２ ０ ｅｔ ０ ７
一 銮速运输经济
文 编 １２４ （ ０） －６－ 章 号：７ ９ ２ ７００ ４５ ６ ￣ ８ ０ ３０ ０
基于 Ｂ Ｐ神 经 网络 的企 业 信用 评 级 模 型
张 鸿 ，丁 以 中
２０ ３ ） ０ １５ （ 上海海事 大学 经 弃管理 学院， 上海
摘
要： 通过科 学的方 法对企 业信 用进 行 分析 、 评级 和判 断 ， 出定性 与定量相 结合 的指 标体 系， 给 建
ｔｌ ｕｍ ｃ
０ 引 言
在 经济 全 球 化 的趋 势 下 ， 用 将 成 为主 要 的交 信
易 方式 ， 信用评 级 的重要性 也 变得不 可忽视 ． 以将 可
解 企业 的信用 情况 是 否 在 变坏 ， 企业 的经 营 管理 为 者提 供 预警信 息． 在 西方 发 达 国家 ， 用评 级 的研 究有 逾 百年 的 信 历史 ， 在银 行 、 融 、 券 、 业 、 府及 个 人 消 费等 金 证 企 政 行业都 已形 成 比较 完善 的评 级 体 系 和方 法 ． 目前 我 国社会 信用 体制非 常不 健 全 ， 用 评 级 的应 用 只 局 信
ＺＨＡＮＧ ｎ Ｈｏ ｇ，ＤＩ ＮＧ ｚ ｏ ｇ Ｙｉｈ ｎ
（ ｃｏｌ ｆ ｃｎｍ ｃ ＆ Ｍ ｎｇｍ ｎ，Ｓａ ｇａ Ｍ ｒｉ ｎ ｅｓｙ Ｓａ ｇａ ２０ Ｃ ｉ ） Ｓ ｈｏ ｏ ｏｏ ｉｓ Ｅ ａａｅ ｅｔ ｈｎ ｈｉ ａｉｍｅＵ ｉ ｒ ｔ， ｈｎｈ ｉ ０ １５， ｈｎ ｔ ｖ ｉ ３ ａ
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。
- 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)。
科龙
更的
ＴＣＬ
（曩后验证备用）
Ｉ。ｍ
４．０１
３．１７
２．７３
３．８０
３．５２
３．数据处理 综合表２和表３的数据输入ＤＰＳ软件，如图２所示。 选中ｌ到６行的所有数据进行ＢＰ神经网络训练．在随后 出现的“ＢＰ神经网络分析参数设置”的对话框中选择“标准化 转换”的数据转换方法，点击“确认”按钮，进入下一步训 练。 得到另一个对话框，将其中的“第一隐含节点数”改为 “３”，因为企业文化指标体系的一级指标为三项。点击“ＯＫ”
Ⅱ啪等连接网络模型、Ｈｉｎｔｏｎ等的波尔茨曼机模型以及Ｒｕｍｅｌ—
ｈａｒｔ等的多层感知模型和Ｋｏｈｏｎｅｎ的自组织网络模型等等。在众 多神经网络模型中，应用最广泛的是多层感知机神经网络。多层 感知机神经网络的研究始于２０世纪５０年代，但一直进展不大。
收稿日期：２００８－０８—１９ 作者简介：陈华溢（１９８６－－）．女，南通人，徐州工程学院市场营销系，研究方向：市场营销。
Ｉ
Ｌ
Ｉ
■
Ｏ
Ｐ
Ｑ
Ｒ
Ｓ
ｘｌｌ ｚ１２：－，１３ ｘ１４。ｘ１５ ｚ１６ ｆｘｌｌ
１１８ Ｔ
３．１
３ ２．３－４．３：４．３ ｔ．Ｂ ３．９
３ ｔ．３ｌ
３．９ ３．５
４
３ ３．３
一－Ｉ
３ ２．口 ３．４
２．Ｂ； ３．Ｉ ３．３
３．１
３．２ ３．３
２．９ ３
ｔ．ＯＩ ３．１Ｔ
４．１ ２．９ ３．Ｉ
ｔ ３．２· ３．４ ２．９ ２．９
２．当前评价方法存在的问题 当前用于评价企业文化影响力的方法多种多样，如灰色系统 法、数学模型模拟分析法、模糊综合评判法等。虽然其评价结果 有一定的科学性和指导意义，但存在的问题不容忽视．主要反映 在以下几个方面：①遴选指标问题。遴选指标时一般使用统计学 中的相关系数法、条件广义最小方差法等筛选ｍ若干个有代表性 的指标，这样做可以保证筛选出的指标相关性较低，却不能保证 其完整地反映出研究对象的整体属性；②确定权重问题。现常用 组成成分分析来确定权重。一般是从几何位置分布上离差最大的 方向来考虑指标权重，从评估本身意义来看，依照数据离差的分 布所确定的指标权重未必体现出指标在系统评估中的实际位置； ③诊断功能问题。现有的评价体系给出的结果只能是“优、良、 中、差”或者是一定的分值。不能给出具体的“问题指标”，使 得评价结果丧失了诊断功能。因此，本论文引用了更加科学而 且效果好的评价方法及ＢＰ神经网络方法。 二、ＢＰ神经网络评价法的理论介绍 目前，已发展了几十种神经网络，如Ｈｏｐｆｉｅｌｄ模型、Ｆｅｌｄ一
信息化管理及沟通
４．３ Ｘｔｏ
力Ⅺ 员工对企业决策的
参与意识ｘ１１
３．１
激励机制ｘ１２
３ ３．３ ３．９ ４．１ ３．１
３．６
３．２ ２．９ ３．４ ２．２
４．３
３．６ ３．２ ３．７ ３．４
３．９ ４．０
３．５ ４．１ ３．３ ３．７ ３．０ ２．９ ３ １ ３．９
激励机制ｘ。
技术创新机制ｘ¨
企业价值现ｘ¨
精神文化 竞争力ｘ，
企业凝聚力ｘ．， 企业末风格ｘ，。
企业目标ｘ＂
企业经营哲学ｘ，．
２．统计资料和数据分析 根据表１的指标体系，我们设计了一份题为“评价指标对 企业文化的影响程度”的调查问卷。调查对象是大学教师、学 生、营业员以及电器超市的消费者，采用面谈的调查方式，共 发出问卷３００份，有效问卷２８１份。可供选择的影响程度分别 为：影响很大（５分）、影响较大（４分）、影响一般（３分）、 没有影响（２分）和有负影响（１分）。统计分析调查结果后的 数据，如表２所示。
２．Ｔ３
３．３ ３．Ｉ ３．３
３
３．４
３．３
３．Ｔ
２．６
３．８
３．１ ３．ｇ
３ ３．１ ２．Ｔ ３．Ｂ ３．８ ２．３ ７ｔａ评价
图２ 企业文化指标体系分值和数据输入
按钮，ＤＰＳ软件自动进行标准化转换，神经网络得出拟合残差， 如图３所示。
拟合残差：０．０００３４６４７２９３２６０１３１２
呲５
ｎ２
叭５
Ｉ ３．６ ４．３
４ ２．８ ３．４ｉ ３．２：３．５ ３．６ｉ ３；４ ３．３ ３．２ ３．６
５
３．３ ３．８｝
３’３．４ ３‘３．２ ３．７ ３．９；２．９ ３．２
８ ４．６ ４．２｝２．３ ３．３ ３．Ｉ‘３．３ ３．Ｉ ４．１ｉ ３．４ ３．７
Ｔ ３．２：３．５．２．６．２．３ ３．３．２．８，３．Ｔ ３．１ ２．２ ３．４
过程分阶段、分步骤地监督和评估。统一企业内部对企业文化 的认识和理解，从而保证企业文化在实践中与企业目标建设保 持一致。②可以督导文化建设。在企业文化具体实施运用的过 程中难免会出现偏差，通过企业文化影响力评价体系，综合文 化的各影响因素进行观测，从而发现文化中出现的薄弱环节， 为企业管理者改进企业文化体系指出明确的方向，进而建立一 个强有力的企业文化。同时，在管理过程中。要对管理行为指 定标准，使之不偏离正确的企业文化指导方向。
·６８·
万方数据
基于ＢＰ神经网络的企业文化影响力评价
直到１９８５年．Ｒｕｍｅｌｈａｒｔ等人提出了误差反向传递学习算法（即
—加 ＢＰ算），实现了Ｍｉｎｓｋｙ的多层网络设想，如图１所示。
—＿．ｏ
—加
（期望输出）
—加
—加
—∞
—加
图１神经网络导向图
ＢＰ神经网络是南输入层、中间层、输出层组成的阶层型神 经网络。中间层可扩展为多层，相邻层之间的各神经元进行全 连接，而每层各神经元之间无连接。当一对学习模式提供给网 络后，各神经元获得网络的输入响应产生连接权值，然后按减 小希望输出与实际输出误差的方向，从输出层经各中间层逐层 修正各连接权，回到输入层。此过程反复交替进行，直至网络 的全局误差趋向给定的极小值，即完成学习的过程。运用神经 网络评价企业文化影响力的优点表现在以下几个方面：①不需 要过程非常复杂的人工演算，减少出错率；②不需要确定权数 （一般是根据经验确定权数．人为性比较强），提高精确度；③ 只需要输入已有的参考数值，计算机便能很快算出数值结果， 节省时间。
三、运用ＢＰ神经网络评价企业文化影响力 １．企业文化评价指标体系的建立 为了客观、准确、完整地发现庞大而复杂的企业文化中存 在的问题．必须建立一个能够全方位、多角度反映企业文化影 响力的评价指标体系。本文按照企业文化的三层次体系，将企 业文化分为３个一级指标和１８个二级指标，如表ｌ所示。
目标层
企业 文化 评价 指标 体系
技术创新机制Ｘ。 ２．３
企业价值现Ｘ，．
４．３
精神 企业凝聚力Ｘ１；
４．３
文化 竞争
企业家风格Ｘ。
４＿８
力Ｘ， 企业目标ｘ＂
３．９
３ ３．３ ２．８ ３．１ ３＿３
２．９ ３．１ ３ ３
３
３．４
４
３
３．１
３．１ ３ ２ ３．４ ２．７
３．２ ３．４ ３．３ ３．８
３．３ ２ ９ ３．７ ３．８
企业经营哲学Ｘ１８ ３
技术经济．Ｉｂ管理研究 ２００８年第６期
基于ＢＰ神经网络的企业文化影响力评价
陈华溢
（徐州工程学院管理学院，江苏徐州２２１００８）
摘要：要对企业文化实施有效管理，必须建立一套切实可行的企业文化影响力评价体系，对企业正在运行的文化系
统进行测评。便于管理者调整战略和战术，保持文化建设的有效性。本文首先建立企业文化影响力评价体系，然后用ＢＰ
Ｙ
表１企业文化指标体系
企业文化评价指标体系
一级指标
二缎指标
质量意识及管理体系ｘ．
物质文化 竞争力ｘ，
核心产品的品牌知名度ｘｚ 新产品的市场认知度ｘ， 技术装备现代化程度ｘ．
核ｕ技术独特性和难模仿性ｘ， 企业整体形象，【‘
文化设施ｘ，
１１４度文化 竞争力ｘ：
组织结构完善全里度ｘ·
管理标准和操作规程ｘ。 信息化管理厦沟通ｍ 员工对企业决策的参与毒识ｘ＂
ｌ ｍ ●
彳 帅 ５
一｛…｝·－
．、 ｌ Ｏ
１２４弱８９１２８＇７５２２１ ２６８ ３１４ＭＩ ４０７４轴∞０５４７５９４６４０６８７７３３７８０５葛８７３９１９明８
图３指标体系的神经网络演示
在与图３同时弹出的另一个对话框中依次对应输入企业 “】【ｉ”的数据，点击“ＯＫ”按钮，很快训练得出“ＴＣＬ评价”的 数值，即“３．６０８３（预测值ｙ。）”。该结果表明，利用神经网络 训练得出的结果与行业测评的平均值３．５２很相近，证明通过 ＢＰ神经网络方法评价企业文化影响力的结果是有效的。
４．用ＢＰ神经网络评价企业文化影响力的优点 通过上面的案例分析，不难发现，运用ＢＰ神经网络评价 企业文化影响力的优点主要表现在以下几个方面：①避开权数 确定问题。如上述操作，在整个ＢＰ神经网络学习过程中没有
复杂的人工计算过程，不需要计算衡量权数。本文阐述过在权 数的确定方法有一定的不科学性，ＢＰ神经网络很好地避开了这 点；②指出症结所在。在一般的评价方法的结果中，只能见到 一个数据或一个笼统的评价，很难或者不能发现企业文化中哪 方面存在问题。在图３中可以直接明了地看出企业文化的缺点 和需要改进的地方；③操作过程简单易行。整个操作过程不需 要人工计算，只需要输入数据。
２．９
３
２．９ ２．６ ２．３
另外．针对于海尔、格兰仕、ＬＧ、科龙、美的和ＴＣＬ六家 企业的文化建设，专门对２ｌ位行业经营者（营业员、批发商、 销售经理）进行调查．得出平均值，如表３所示。然后利用ＢＰ 神经网络计算ＴＣＬ企业文化影响力的数值。
袁３业内人士对六家企业的文化影响力评价均值
海尔
格兰仕
——————
万方数据
·６９·