BP神经网络是一个前向网络，它利用误差反向传播算法对网络进行训练，结构简单，可塑性强。本例选择3层BP神经网络（隐层为1层）来逼近函数，单输入单输出，隐层包含7个神经元，预设精度为0.1，学习率设为0.1，循环次数为5000次，达到循环次数，或结果达到预设精度要求，结束计算。激活函数选择双曲函数，采用梯度下降法，通过神经元的输入和误差，以及权值的学习速率来计算权值的变化率。将输入提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，输出层的神经元获得网络的输入相应。接下来，按照减少目标输出与实际输出之间误差的方向，从输出层反向经过中间层回到输入层，从而逐层修正各连接权值。随着误差逆向的传播修正不断进行，网络对输入响应的正确率也不断上升。
