神经网络是以工程技术手段模拟人脑神经网络结构与功能特征的一种技术系统,具有信息处理的并行性、分布式的信息存储、自组织性和自适应性、很强的学习联想功能以及容错性等特点。对投标文件的评估是一个非结构化、非线性的决策过程,利用神经网络的学习和识别能力,通过对评价指标及评价结果的专家意见的不断学习,能够达到很好的效果。尤其是 1985年Rumelhart等提出的EBP(Error Back Propagation)算法(简称BP算法),系统地解决了多层神经元网络中隐单元层连接权的学习问题,并在数学上给出了完整的推导,使BP模型成为神经网络的重要模型之一,并得以广泛使用。采用BP算法的多层神经网络模型一般称为BP网络,其学习过程由正向传播和反向传播两部分组成。当正向传播时,输入信息从输入层经隐单元层处理后传向输出层,每一层神经元的状态只影响下一层的神经元状态。如果在输出层得不到希望的输出,则转入反向传播,将误差信号沿原来的神经元连接通路返回,返回过程中逐一修改各层神经元连接的权值。这种过程不断迭代,最后使得信号误差达到允许的范围之内。理论证明:假定BP网络中隐单元可以根据需要自由设定,那么一个三层网络可以以任意精度逼近任何连续函数。运用神经网络评标时可以直接套用世界著名的MATLAB软件中的神经网络工具包进行计算,其实是相当方便的。