BP神经网络(BPNN)是多层前馈型神经网络中最具代表性的一种。
BP神经网络是由加州大学教授Rumelhart和Hinton和Williams三人于1986年提出的一种学习算法，它是一种可以行使已知谜底学习的有监视学习方式。BP神经网络在海内外颇受关注，成为深度学习领域内里最基础的算法之一。它通过输出误差反馈到所有隐藏层，以实现权值优化，从而获得最终的分类器。
BP神经网络的基本原理是通过一定的训练，使网络输出结果与现实结果的误差到达最小，这个历程就是训练历程，然后通过已经训练好的网络对新的数据举行分类。在BP神经网络中，学习速率是一个异常重要的参数，直接影响了模子收敛的速率，因此要凭证特定的应用场景和数据集来调整学习速率。
BP神经网络在机械视觉、文天职类、自然语言处置等领域都有普遍应用。随着人工智能领域的一直拓展，BP神经网络在智能问答、语音识别等偏向也将饰演越来越重要的角色。
