在现代信用经济社会中，提高电子商务资信评估的准确度和科学性极其重要。企业资信评估是一个多因素的非线性问题，传统的统计学方法无法抓住资信评估的复杂木质，而神经网络可实现非线性关系的隐式表达。因此，该文提出将BP神经网络用于电子商务企业资信评估，建立电子商务企业资信的BP神经网络评估模型，并通过MAT LAB软件及其神经网络工具对其进行仿真计算。实验结果表明，该方法稳定、快捷，评价结果有效、可靠，对企业资信评估有养良好的性能。
神经网络〓BP算法〓资信评估
电子商务企业资信评估是以独立经营企业或经济主体为对象，神经网络技术可实现非线性关系的隐式表达，扬弃了预测函数的变量是线性和互相独立的假设，信用评级时不用确定各因素的权重且可以处理各指标之间的非线性相关性。文中将基于BP神经网络用于电子商务企业资信评估，建立了企业资信的神经网络评估模型，通过对原始数据的训练，进行自学习、自组织，最终得到评价结果，避免了人为判断的主观性过大。
一、电子商务企业资信影响因素选择
电子商务企业资信度评价即企业评级，以独立经营的电子商务企业或经济主体为对象，是对其在一般性的商业交往、投资合作及信贷活动中的信用评价。实际上就是对电子商务企业及经济主体的生产、经营、管理前景及经济效益状况所进行的全而考察与综合评价。文中将企业资信等级分为优、良、中、差四个等级。影响电子商务企业资信的因素很多，在对诸多学者研究的基础上，结合有关文献选取了如下12个财务指标：
二、神经网络结构设计
三、实验分析
利用实现BP算法的traingd函数对网络进行训练，2857步后网络误差平方和mse达到了误差标准目标1e- 008的要求。至此，电子商务企业资信评估的神经网络评价模型已经构建完成，在应用过程中，只需输入测试样本的指标数据，便可以进行测试。
文中将BP神经网络用于企业资信评估
通过实验表明，该方法可行且具有较高的精度，评估结果可作为靠的参考依据。其中预测值和实测值还是有一定误差，主要是因为资料数据收集的有限没有足够多的练样本，致使网络还没有得到充分的学习局限性。相信有了足够多的样本后基于BP神经网络的企业资信护估能达到更好的精确性。实验结果同时表明，该方法稳定、快捷，评价结果有效、可靠，对电子商务企业资信评估有养良好的性能。
