BP神经网络（Backpropagation Neural Network）是一种基于误差反向传播的多层前馈神经网络，广泛应用于模式识别、分类和预测等领域。其核心思想是通过不断调整网络权重，使输出结果尽可能接近真实值。
该算法由输入层、隐藏层和输出层组成，利用非线性激活函数进行数据处理。训练过程中，先进行正向传播计算输出，再通过反向传播调整参数，以最小化误差。
| 特点 | 说明 |
| 结构 | 多层前馈结构 |
| 学习方式 | 监督学习 |
| 核心算法 | 误差反向传播 |
| 应用领域 | 分类、回归、预测等 |
| 优点 | 非线性拟合能力强 |
| 缺点 | 易陷入局部最优，训练时间长 |
BP神经网络在实际应用中需合理设置网络结构与参数，以提高模型性能。
