Không chỉ dược sử dụng phổ biến trong dự báo tăng trưởng kinh tế và tỷ giá, mạng thần kinh còn được sử dụng rộng rãi trong vấn đề dự báo lạm phát của các quốc gia và đã đạt được những kết quả hết sức khả quan, vì thế mạng thần kinh đang dần khẳng định được tầm quan trọng và trở thành một công cụ mạnh mẽ trong dự báo. Nghiên cứu của Marcellino (2002) đã chỉ ra rằng những mô hình phi tuyến có thể làm tốt hơn những mô hình giới hạn tuyến tính khi dự báo lạm phát, sản xuất công nghiệp và tỷ lệ thất nghiệp ở khu vực châu âu. Dự báo lạm phát của Mỹ khi áp dụng mô hình mạng thần kinh mô hình hóa đường cong Philip tuyến tính và phi tuyến, Chen (2001) đã phát hiện rằng những mô hình gần đây cho kết quả tốt hơn những mô hình tuyến tính khi dự báo. Với bài nghiên cứu về so sánh mô hình mạng thần kinh sử dụng thuật toán lan truyền ngược
(BackPropagation) với những mô hình truyền thống như mô hình ARIMA, mô hình tự hồi quy vector khi dự báo tỷ lệ lạm phát hàng tháng, quý và năm dựa trên tiêu chuẩn RMSE của hai tác giả Saeed Moshiri và Norman (2000), kết quả cho thấy mạng thần kinh sử dụng thuật toán lan truyền ngược đã “làm việc” tốt hơn những phương pháp dự báo truyền thống. Trong nghiên cứu của Adnan và Muhammad Nadeem (2007), tác giả sử dụng dữ liệu tỷ lệ lạm phát hàng tháng so với cùng kỳ năm trước trong giai đoạn 1993 – 2007 để dự báo cho lạm phát hàng tháng trong năm 2008 của Pakistan với mô hình được sử dụng là mạng truyền thẳng kết hợp thuật toán lan truyền ngược với 12 lớp ẩn. Kết quả kiểm định ngoài mẫu cho thấy chỉ tiêu RMSE của mô hình mạng thần kinh phi tuyến thấp hơn rất nhiều so với mô hình AR và mô hình ARIMA cơ bản. Với những kết quả thực nghiệm như trên, hiệu quả vượt trội của mô hình mạng thần kinh trong quá trình dự báo so với các mô hình truyền thống đang dần được khẳng định.