【摘要】：用BP神经网络对价格竞争网络营销综合绩效的各影响因素的作用强度进行拟合计算，运算过程可以分为神经网络的训练和预测两部分，以下为实证步骤框架设计：选取适当的调研数据用以作为网络训练样本，由于各影响因素的作用强度不仅仅受到各个具体网络营销企业的影响，各个具体影响因素之间也会发生相互影响和相互作用。为消除由于采集数据量太大而导致网络麻痹现象，BP神经网络拟合计算之前，现对采集到的调研数据进行归一化处理。
用BP神经网络对价格竞争网络营销综合绩效的各影响因素的作用强度进行拟合计算，运算过程可以分为神经网络的训练和预测两部分，以下为实证步骤框架设计：
（1）选取适当的调研数据用以作为网络训练样本，由于各影响因素的作用强度不仅仅受到各个具体网络营销企业的影响，各个具体影响因素之间也会发生相互影响和相互作用。因此要选择适当的价格竞争网络营销企业和消费者样本数据作为网络训练样本，选取不适当的训练样本会使得网络拟合能力降低。
（2）对选择好的样本数据进行归一化预处理。为消除由于采集数据量太大而导致网络麻痹现象，BP神经网络拟合计算之前，现对采集到的调研数据进行归一化处理。由于预测值变化幅度比较大，因此不是特别适合作为网络输出值，因此对输出值也要实施归一化处理。即将网络输入输出值取值范围均处理至[0，1]空间，以最大程度的时处理数据平滑化，从而去除拟合结果的噪声[吕军城，2015]。
（3）训练样本构造。大量的调研数据是对BP神经网络训练计算的基础条件，在这里我们主要选取了10家价格竞争电子商务企业和消费者的采集数据，构造训练数据库和验证数据库，以训练数据库中数据供后继BP神经网络计算训练使用，验证数据库中数据供后继检验模型运算精度使用。(https://www.xing528.com)
（4）本文构建三层结构的BP神经网络进行曲线拟合计算。
（5）网络模型测试。采用测试样本数据测试训练好的模型计算精度进行测试。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
