BP算法基本原理：利用输出后的误差来估计输出层的直接前导层的误差，再用这个误差估计更前一层的误差，如此一层一层的反传下去，就获得了所有其他各层的误差估计。


BP神经网络模型学习的过程：
神经网络在外界输入样本的刺激下不断改变网络的连接权值,以使网络的输出不断地接近期望的输出。
学习的本质：
对各连接权值的动态调整
学习规则：
权值调整规则，即在学习过程中网络中各神经元的连接权变化所依据的一定的调整规则。