本书首先运用模糊综合评价方法。依据上述评价指标体系，将定性和定量分析有机结合起来，通过层次分析法（AHP）确定子目标和各指标权重，运用模糊综合评价法对创新型企业知识管理绩效进行评价，既充分体现评价指标和评价过程的模糊性，又尽量减少个人主观臆断。这种方法相比一般的专家打分方法要更加客观，但在实际操作中仍难以避免评判尺度不稳定而存在着差异等问题。利用人工神经网络方法自学习、自适应的特点和强容错的能力，吸收专家的知识和经验，使机器具有专家的相关知识管理绩效评价知识，用积累的评价数据作为学习样本，结合模糊综合评价方法的结果做修正，通过不断训练得到网络模型的权值和阈值，以此对更多的创新型企业知识管理绩效进行评判。该方法的总体思路是以模糊综合评价方法为基础，利用RBF神经网络方法，减少评价过程中人为主观因素的影响和不确定性，形成具有高度泛化及非线性映射能力的创新型企业知识管理绩效的综合评价模型，从而使评价方法更符合实际，评价结果更可信、可靠。

在绩效评价中应用人工神经网络方法时，较多采用的是BP神经网络，但BP神经网络存在局部最优问题，并且训练速度慢、效率低，RBF神经网络在一定程度上克服了这些问题。本书选取在逼近能力、分类能力和学习速度等方面都优于BP神经网络的RBF神经网络来对创新型企业知识管理绩效进行评价。(www.daowen.com)