输出节点

　　逆向学习过程

　　(4)若第n个学习样本的期望值输出为Tk(n),定义输出节点的误差信号为Dk(n) = (Ok(n) -Tk(n))Ok(n)(1 -Ok(n))

　　(5)将Dk(1)逆向传播,并按下式计算在隐节点产生的误差

　　(6)由Dk计算输出节点调整后的阀值θ′k和权值W′kj

　　(7)由δj计算隐节点调整后的阀值θj和权值Wji

　　式中α、β均为学习参数,取值范围为0.1~0.5之间。按上述学习过程,将N个学习样本依次输入BP网络模型中学习,待全部N个样本学习完一遍后,计算其均方差

　　取定某一精度ε,若E<ε,则学习过程结束,输出调整后的权值和阀值;否则更新学习次数,返回(2),重复上述学习过程,直到满足E<ε为止。

　　4 价格竞争的有效性评价

　　4.1 模型构造

　　(1)变量选取

　　一般来说,价格的变化会引起销售额、销售量、市场占有率、利润率等的变化。这里选取影响价格竞争有效性评价的以下4个变量(依次记为x1,x2,x3,x4):市场占有率、销售量、净利润和利润率,把它们作为BP网络的输入。

　　(2)数据处理

　　神经网络学习前的数据处理对网络有至关重要的影响,它可影响到网络的学习速度以及网络的精度。由于BP神经网络节点的特性函数f(x)为sigmoid函数,f(x)之值始终在(0,1)之间,因此,对样本的理想输出数据应化为(0,1)之间,而且输入数据也不宜太大。于是,将输入节点的数据一般也化为(-1,1)之间。指标数据标准化采用以下分段线性函数。

　　当企业的指标xij大于或等于平均值时,公式如下:

　　当企业的指标xij小于平均值时,公式如下: