目前，在我國企業技術創新評估中，一般只考慮如下四個方面的因素:(1)技術的先進性、可行性、連續性;(2)經濟效果;(3)社會效果;(4)風險性，在對此四方面內容逐個分析後，再作綜合評估。在綜合評估中所用的方法主要有:delphi法(專家法)、ahp法(層次分析法)、模糊評估法、決策樹法、戰略方法及各種圖例法等，但技術創新的評估是一個非常複雜的系統，其中存在著廣泛的非線性、時變性和不確定性，同時，還涉及技術、經濟、管理、社會等諸多複雜因素，目前所使用的原理和方法，難以滿足企業對技術創新評估科學性的要求。關於技術創新評估的研究，在我國的歷史還不長，無論是指標體系還是評估方法，均處於研究之中，我們認為目前在企業技術創新評估方面應做的工作是:(1)建立一套符合我國實際情況的技術創新評估指標體系;(2)建立一種適應於多因素、非線性和不確定性的綜合評估方法。
這種情況下，神經網路技術就有其特有的優勢，以其並行分布、自組織、自適應、自學習和容錯性等優良性能，可以較好地適應技術創新預測和評估這類多因素、不確定性和非線性問題，它能克服上述各方法的不足。本項目以bp神經網路作為基於多因素的技術創新預測和評估模型構建的基礎，bp神經網路由輸入層、隱含層和輸出層構成，各層的神經元數目不同，由正向傳播和反向傳播組成，在進行產品技術創新預測和評估時，從輸入層輸入影響產品技術創新預測值和評估值的n個因素信息，經隱含層處理後傳入輸出層，其輸出值y即為產品技術創新技術性能指標的預測值或產品技術創新的評估值。這種n個因素指標的設定，考慮了概括性和動態性，力求全面、客觀地反映影響產品技術創新發展的主要因素和導致產品個體差異的主要因素，儘管是黑匣子式的預測和評估，但事實證明它自身的強大學習能力可將需考慮的多種因素的數據進行融合，輸出一個經非線性變換後較為精確的預測值和評估值。