Hopfield网络是一种单层全反馈网络，研究的是一种复杂的动力学系统，该系统通过神经元的状态变迁，最终稳定于某一稳定状态，获得联想记忆或神经计算的结果。本书采用二值型Hopfield网络进行城市环境竞争力的后综合评价，验证半监督学习评价结果的合理性。离散Hopfield神经网络是一种单层、输出为二值神经网络，由13个神经元组成的离散Hopfield神经网络的结构如图8-3所示。这里出于稳定性考虑，选用ωij＝0的无自反馈的Hopfield神经网络。

赋权方法的优良标准也可以从相关性角度来衡量。程琮等利用Kendall’W协同系数检验对不同病人的戒酒指标进行分析，判断评分是否具有一致性。该检验的思想是考察多次评价中的排序是否随机，Kendall’W协同系数反映了各数据的相关程度，如果其取值接近于1，则认为评价中的排序不是随机的，即样本来自多个配对总体的分布存在显著差异。

本书技术路线图如图1-1所示，它阐明了本书的研究框架和数据来源。

二是分层序列法，即按照重要性次序排列所有问题，先重后轻，重要的优先考虑的一种潜在的赋权方法。三是直接求所有非劣解的方法。数据包络法是由美国运筹学家A.Charnes和W.W.Cooper等人于1978年提出的。数据包络法是对决策单元的多投入和多产出的相对有效性进行综合评价的方法。

2009年Zhou和Ang提出了Shannon-Spearman测度方法，用以计算各种评价方法的信息损失量的大小。[5]基于Shannon-Spearman测度的优良性选择方法的具体步骤如下。（二）用Bootstrap抽样方法获得SSM值的置信区间在进行Bootstrap抽样时，需要考虑资源利用指标的样本的面板数据结构。在本书资源利用指数的测度研究中采用个体重复Bootstrap抽样法获得SSM值的Bootstrap样本。根据Bootstrap样本频数分布的分位数，即可得到其置信水平为95%的置信区间。