BP神经网络是一种多层前馈神经网络，它通过误差反向传播算法进行训练。该网络由输入层、隐藏层和输出层组成，数据从输入层经过隐藏层处理后传递到输出层。训练过程中，网络根据输出误差反向调整各层权重，逐步减少预测误差。BP神经网络广泛应用于分类、回归、模式识别等领域。实例：假设我们要用BP神经网络预测房价。输入层包含房屋面积、房间数量等特征；隐藏层负责特征的非线性组合；输出层给出预测价格。训练时，网络先进行前向传播计算预测值，然后比较预测值与真实价格的误差，最后通过反向传播调整权重参数。经过多次迭代后，网络能准确预测未知房屋的价格。