BP（BackPropagation）神经网络是一种神经网络学习算法，全称基于误差反向传播算法的人工神经网络。如图所示拓扑结构的单隐层前馈网络，一般称为三层前馈网或三层感知器，即：输入层、中间层（也称隐层）和输出层。它的特点是：各层神经元仅与相邻层神经元之间相互全连接，同层内神经元之间无连接，各层神经元之间无反馈连接，构成具有层次结构的前馈型神经网络系统。单计算层前馈神经网络只能求解线性可分问题，能够求解非线性问题的网络必须是具有隐层的多层神经网络。

在人工神经网络发展历史中，很长一段时间里没有找到隐层的连接权值调整问题的有效算法。直到误差反向传播算法（BP算法）的提出，成功解决了求解非线性连续函数的多层前馈神经网络权重调整问题。

BP（BackPropagation）神经网络，即误差反向传播算法的学习过程，由信息的正向传播和误差的反向传播两个过程组成。输入层各神经元负责接收外界的输入信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换。根据需求，中间层可以设计为单隐层或者多隐层结构；最后一个隐层传递到输出层的信息，经进一步处理后，完成一次学习的正向传播过程。