BP神经网络被称为“深度学习之旅的开端”，是神经网络的入门算法。
各种高层的神经网络都是基于BP网络出发的，最基础的 原理都是由BP网络而来，另外由于BP神经网络结构简单，算法经典，是神经网络中应用最广泛的一种。
开始发展——在人工神经网络的发展历史上 ，感知机网络曾对人工神经网络的发展发挥了极大的作用，它的出现曾掀起人们研究人工神经元网络的热潮。单层感知网络（M-P模型）做为最初的神经网络，具有模型 清晰、结构简单、计算量小等优点。
只能解决线性可分——但是，随着研究工作的深入，人们发现它仍然存在不足，例如无法处理非线性问题，即使 计算单元的作用函数不用阀函数而用其他较复杂的非线性函数，仍然只能解决线性可分问题．不能实现某些基本功能，从而限制了它的应用。
多 层前馈网络——增强网络的分类和识别能力、解决非线性问题的唯一途径是采用多层前馈网络，即在隐输入层和输出层之间加上含层。
BP神经网络登场——20世纪80年代中期，David Runelhart。Geoffrey Hinton和Ronald W-llians、DavidParker等人分别独立发现了论文逆传播算法，简单来说BP，系统解决了多层神经网络隐含层 连接权学习问题，并在数学上给出了完整的推导。人们把采用这种算法进行校正的梯度前馈网络称为BP网。
具有任意复杂模式的BP神经网络 分类能力和优良的多维函数映射能力，解决了简单采集器无法解决的异或一些其他问题。从结构上讲，BP网络具有输入层、层和输出层；从本质上讲，BP算法就是 以网络误差平方为目标函数、采用梯度下降法来简单地计算目标函数。