BP（Backpropagation）算法是一種監督學習算法，用於訓練多層前饋神經網路。它主要包括兩個過程：信號的正向傳播和誤差的反向傳播。具體如下：
正向傳播。當輸入樣本進入網路後，信號從輸入層傳遞到隱含層，再到輸出層。如果在輸出層實際輸出與期望輸出（目標值）不一致，則進行誤差反向傳播。
反向傳播。誤差通過輸出層反向傳播到隱含層，再到輸入層，計算每層的誤差並據此調整各層的權值和閾值。這個過程使用梯度下降法來最小化網路的實際輸出與期望輸出之間的誤差平方和。
BP算法的核心思想是通過不斷調整網路中各個神經元之間的連線權值和偏置，使得網路的預測輸出儘可能接近實際輸出，從而最小化預測誤差。BP算法適用於處理複雜模式識別問題，具有較強的非線性映射能力，可以通過學習和訓練來適應新情況。