BP神经网络算法摘 要人工神经网络，是由大量处理单元（神经元）组成的非线性大规模自适应动力系统。它具有自组织，自适应和自学习能力，以及具有非线性、非局域性，非定常性和非凸性等特点。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理，记忆信息的方式设计一种新的机器使之具有人脑那样的信息处理能力。作为人工智能的重要组成部分，人工神经网络有较大的应用潜力。本文阐述了神经网络的发展、现状及其原理，介绍了神经网络在航空航天业、国防工业、制造业等诸多方面的应用。BP神经网络是目前应用较多的一种神经网络结构。它能以任意精度逼近任意非线性函数，而且具有良好的逼近性能，并且结构简单，是一种性能优良的神经网络。本文阐述了BP神经网络的基本原理，详细分析了标准BP算法、动量BP算法以及学习率可变的BP算法等几种流行的BP神经网络学习算法,详细的介绍了这几种算法的优缺点，并给出了各种算法的仿真程序，通过仿真结果对各种算法进行比较后有针对性的提出了BP算法的一种改进变梯度BP算法。对于改进的BP算法，本文不仅从理论方面对其进行了深入的分析，还介绍了该算法的详细思
