反向传播神经网络（back-propagation neural network），理学-计算机科学技术-计算机应用-多媒体计算-模式识别-神经网络，神经元之间的连接在结构上不存在环的一种人工神经网络（artificial neural networks），在拓扑结构上等价于图论中的有向无环图（directed acyclic graph）。又称反向传播网络。简称反传网络。在前馈神经网络中，与输入变量相连的神经元称为输入层，负责输出系统变量的神经元称为输出层，输入层和输出层之间的其他神经元统称为隐含层或中间层，连接神经元的边所关联的权重是网络的参数，可以通过学习算法进行设定。前馈神经网络中没有反馈，信号从输入层到输出层单向传播，通过使用反向传播算法（backpropagation algorithm），能够学习网络输入和期望输出之间的复杂映射关系，这也是其常被称为反向传播网络的原因之一。常见的前馈神经网络包括感知器模型、多层感知器网络、卷积神经网络、残差神经网络等。