求解式9-16的系数矩阵就是求取各输入变量（影响因素）的权重值，即可以找出各输入变量（各影响因素）对输出变量（价格竞争网络营销绩效）的作用强度的拟合曲线关系。参考相关文献，为了能够从BP神经网络连接权矩阵中找到输入输出的关系信息，首先需要分析隐含层中第r个神经元（节点）对输出层第j个神经元（节点）的作用和影响，可使用隐含层输出公式中的br连接权矩阵函数的偏导数来表示这种作用强度。当运算中出现负值时，只需要考虑数值绝对值大小，不考虑数值正负，所以应该取绝对值进行运算，此时就可以将隐含层中第r个节点对输出层中第j个节点的相对作用强度计算出来。
借助于以上推导公式，求解本文对所构建的BP神经网络的连接权矩阵，就能够得出各个影响因素对价格竞争网络营销绩效的作用强度（权重）大小。由于所得计算结果不是调研真实数据计算所得，而是预处理之后的数据计算所得，因此计算得到的绝对值没有实际意义，而计算结果之间的相对值具有说明意义，不失一般性，本文将计算所得的值乘以4，以便于观测和理解。BP神经网络对连接权计算得出的权重计算得到各影响因素对综合绩效的作用强度结果如表9-3所示。
选取10个样本数据，应用以上BP神经网络计算得到的各个影响因素的权重值，分别实施计算求解得到10个价格竞争网络营销影响因素的相对作用强度最大的模拟值。比较实际测量值与模拟计算值，从而得到误差值，具体差值见表9-4所示。表9-4表明本文BP神经网络模型的影响因素的计算误差值最大为5.35%，其余都小于5%，据此表明本文应用BP神经网络进行价格竞争网络营销绩效影响因素分析得到的各个影响因素的作用强度值是完全可信的。
表9-3 各影响因素对综合绩效的作用强度表
(www.xing528.com)
表9-4 各因素对价格竞争网络营销绩效作用强度模拟值与测量值误差表
续表
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。
