基于梯度下降（gradient descent）策略，以目标的负梯度方向对参数进行调整的算法。由哈佛大学的P.韦尔博斯（Paul Werbos）于1974年首次提出。由于当时处于神经网络冰河期，此方法并未受到重视，1986年鲁梅尔哈特（Rumelhart）等人重新发明了BP算法，并由此掀起了神经网络的第二次热潮。BP算法是多层网络训练算法中最杰出的代表，同时它也是迄今为止最成功的神经网络学习方法。又称误差逆传播（error backpropagation）。