摘 要：神经网络控制系统通常会面临多种选择，如样本的训练方式、神经网络的算法等，不好的选择会降低预测率。BP(Back Propagation)神经网络库存控制系统融合多种库存控制技术，利用BP算法对学习的精度和收敛的速度进行改进，能比较精确地预测库存。讨论了有关BP神经网络的算法及算法改进等问题，以品牌服装库存控制为例，提出用神经网络的多层感知器实现库存融合控制。 关键词：神经网络；预测；多层感知器；BP算法；库存
基于神经网络.pdf
凡《网络安全与数据治理》（原《信息技术与网络安全》）录用的文章，如作者没有关于汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权等版权的特殊声明，即视作该文章署名作者同意将该文章的汇编权、翻译权、印刷权及电子版的复制权、信息网络传播权与发行权授予本刊，本刊有权授权本刊合作数据库、合作媒体等合作伙伴使用。同时，本刊支付的稿酬已包含上述使用的费用，特此声明。
