反传播神经网络（back propagation neural network）是一种有监督的神经网络，它的学习过程由正向和反向两部分组成，正向传播过程中，输入信号从输入层经隐含层逐层处理传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出值，则把网络输出的错误归结为连接权的“过错”。通过把输出层单元的误差逐层向输入层反向传播以分摊给各单元，从而获得各层单元的参考误差，以便调整相应的连接权。误差反传播学习通过一个使代价函数最小化过程完成输人到输出的映射。通常代价函数定义为所有输入模式中输出单元的希望输出与实际输出之差的平方和。