对于高新技术企业来说,强势的核心竞争力是其赢得竞争优势的根本要素,而且对企业核心竞争力的研究也是当今理论界和企业管理实践中的热点问题。但是一直以来,在高新技术企业核心竞争力的量化及评价方面却缺乏系统的、有效的理论方法。在对核心竞争力理论和高新技术企业相关理论进行总结的基础上,本研究首先分析了作为高新技术企业这一特殊类型企业的特性及其核心竞争力的独特性质及构成维度；其次对现有的核心竞争力评价方法进行综合分析,提出运用BP神经网络模型对高新技术企业核心竞争力进行评价的思想,并结合国内外诸多学者的观点和高新技术企业核心竞争力的特点,在综合考虑评价所需指标的代表性、可获得性、可量化性的同时,构建了包含4个评价要素、20个评价指标的高新技术企业核心竞争力的评价指标体系；再次,对于BP神经网络收敛速度慢等、易陷入局部最小值的不足采用Levenberg-Marquardt算法进行改进,并设计了20-40-1的网络模型,运用MATLAB软件及其神经网络工具箱实现了评价程序；最后采用河南省不同地区的10家高新技术企业的指标数据对BP神经网络进行学习训练,采用2家企业的评价数据进行仿真运算和测试,测试结果表明所用的评价指标体系和改进的BP神经网络评价模型都具有良好的实用性。另外,还对评价方法的横向和纵向延伸应用以及高新技术企业核心竞争力识别方面的应用进行了探讨。本研究通过利用学习样本对BP神经网络进行训练与测试,证明改进的BP神经网络是一种处理复杂系统和非线性关系的性能良好的网络模型,具有学习速度快、计算精度高等优点。而且能够有效避免评价过程中过多的主观因素干扰,在评价高新技术企业核心竞争力方面表现出良好的性能。本文研究结果对企业准确、有效、定量地评价自身核心竞争力,客观的认识自身的市场地位,从而采取适当的经营战略,获取竞争优势,获得最佳的经济效益,具有一定的理论意义和应用价值。