网络模型：输入层，隐含层，输出层
各层之间由权重系数联系；同层之间无联系；
网络的学习训练过程是通过基于多层的前馈网络算法（正向传播和反向训练）
数据到达输出层之后，把现有输出和期望输出比较，进行反向训练过程。根据误差逐层反向修改权重系数。
BP实质是把一组样本的输入问题转化为非线性优化问题，采用梯度下降法，迭代运算修改权值，直到误差函数下降到允许范围。
缺点：结构难以确定；
对于复杂的样本数据集，网络的收敛速度比较慢。（当输入节点过多时）
