BP网络（BP network），工学-控制科学与工程-智能控制-智能控制-模糊控制-模糊逻辑，一种采用误差反向传播算法训练的多层前馈网络，是应用较广泛的神经网络模型之一。由美国学者D.E.鲁梅尔哈特（D.E.Rumelhart）和J.L.麦克利兰（J.L.McClelland）等人于1986年提出。BP网络能学习和存储大量的输入-输出模式映射关系，而无须事先建立描述这种映射关系的数学方程。BP网络的拓扑结构包括输入层（input layer）、隐含层（hidden layer）和输出层（output layer）。其学习规则采用误差反向传播算法，由信息的正向传播和误差的反向传播两个过程组成。BP网络的模型包括输入输出模型、神经元激发函数模型、误差计算模型和学习训练模型。