人工神經網路（Artificial Neural Network，簡稱ANN ），以數學模型模擬神經元活動，是基於模仿大腦神經網路結構和功能而建立的一種資訊處理系統。人工神經網路具有自學習、自組織、自適應以及很強的非線性函式逼近能力，擁有強大的容錯性。它可以實現模擬、預測以及模糊控制等功能。是處理非線性系統的有力工具。 它是物流合作伙伴選擇方法中合作伙伴選擇的神經網路演算法的另一種名稱。它是20世界80年代後迅速發展的一門新興學科，ANN可以模擬人腦的某些智慧行為，如知覺，靈感和形象思維等，具有自學性，自適應和非線性動態處理等特徵。 將ANN應用於供應鏈管理（SCM）環境下合作合辦的綜合評價選擇，意在建立更加接近於人類思維模式的定性與定量相結合的綜合評價選擇模型。透過對給定樣本模式的學習，獲取評價專家的知識，經驗，主管判斷及對目標重要性的傾向，當對合作夥伴作出綜合評價時，該方法可再現評價專家的經驗，知識和直覺思維，從而實現了定性分析與定量分析的有效結合，也可以較好的保證合作伙伴綜合評價結果的客觀性。 在選定評價指標組合的基礎上，對評價指標作出評價，得到評價值後，因各指標間沒有統一的度量標準，難以進行直接的分析和比較，也不利於輸入神經網路計算。因此，在用神經網路進行綜合評價之前，應首先將輸入的評價值透過隸屬函式的作用轉換為（0，1]之間的值，即對評價值進行標準無綱量化，並作為神經網路的輸入，以使ANN可以處理定量和定性指標。
人工神經網路（Artificial Neural Network，簡稱ANN ），以數學模型模擬神經元活動，是基於模仿大腦神經網路結構和功能而建立的一種資訊處理系統。人工神經網路具有自學習、自組織、自適應以及很強的非線性函式逼近能力，擁有強大的容錯性。它可以實現模擬、預測以及模糊控制等功能。是處理非線性系統的有力工具。 它是物流合作伙伴選擇方法中合作伙伴選擇的神經網路演算法的另一種名稱。它是20世界80年代後迅速發展的一門新興學科，ANN可以模擬人腦的某些智慧行為，如知覺，靈感和形象思維等，具有自學性，自適應和非線性動態處理等特徵。 將ANN應用於供應鏈管理（SCM）環境下合作合辦的綜合評價選擇，意在建立更加接近於人類思維模式的定性與定量相結合的綜合評價選擇模型。透過對給定樣本模式的學習，獲取評價專家的知識，經驗，主管判斷及對目標重要性的傾向，當對合作夥伴作出綜合評價時，該方法可再現評價專家的經驗，知識和直覺思維，從而實現了定性分析與定量分析的有效結合，也可以較好的保證合作伙伴綜合評價結果的客觀性。 在選定評價指標組合的基礎上，對評價指標作出評價，得到評價值後，因各指標間沒有統一的度量標準，難以進行直接的分析和比較，也不利於輸入神經網路計算。因此，在用神經網路進行綜合評價之前，應首先將輸入的評價值透過隸屬函式的作用轉換為（0，1]之間的值，即對評價值進行標準無綱量化，並作為神經網路的輸入，以使ANN可以處理定量和定性指標。