人工智能(Artificial Intelligence，简记为AI)是当前科学技术发展中的一门前沿学科，同时也是一门新思想、新观念、新理论、新技术不断出现的新兴学科以及正在迅速发展的学科。它是在计算机科学、控制论、信息论、神经心理学、哲学、语言学等多种学科研究的基础上发展起来的，因此又可把它看作是一门综合性的边缘学科。 人工神经网络(Artificial Neural Network，简记为ANN)是最近发展起来的十分热门的交叉学科，它涉及生物、电子、计算机、数学和物理等学科，并在工程上具有非常广泛的应用前景。人工神经网络是模拟生物神经结构的新型智能系统，它是在生物神经网络理论的基础上所构成的多个神经元互连结构的网络，主要研究复杂的多维非线性大系统中的信息分布、信息处理的理论和方法，并用于解决实际的工程问题。人工神经网络有很多模型，但是目前应用最广，其基本思想最直观、最容易理解的是多阶层前馈神经网络及误差传播学习算法(Error Back-Propagation)。人们常将按这一学习算法进行训练的多阶层前馈神经网络简称为BP网络。 本文首先简要介绍了人工神经网络的基本理论及概念，在第4章中对人工神经网络BP算法的理论、结构、训练学习过程及不足之处进行了较为深入的分析和研究。在第5章和第6章中研究了BP算法的具体应用实例，并对训练学习过程中遇到的问题和实验结果进行了分析，指出了BP算法的优缺点，及在实际的应用工作中存在的问题和有待进一步改进的地方。