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，它是一种可以利用已知答案学习的有监督学习方法。BP神经网络在国内外颇受关注，成为深度学习领域里面最基础的算法之一。它通过输出误差反馈到所有隐藏层，以实现权值优化，从而得到最终的分类器。
BP神经网络的基本原理是通过一定的训练，使网络输出结果与实际结果的误差达到最小，这个过程就是训练过程，然后通过已经训练好的网络对新的数据进行分类。在BP神经网络中，学习速率是一个非常重要的参数，直接影响了模型收敛的速度，因此要根据特定的应用场景和数据集来调整学习速率。
BP神经网络在机器视觉、文本分类、自然语言处理等领域都有广泛应用。随着人工智能领域的不断拓展，BP神经网络在智能问答、语音识别等方向也将扮演越来越重要的角色。
