优点：
（1）能够自适应、自主学习。这是BP算法的根本以及其优势所在，BP算法根据预设的参数更新规则，不断地调整神经网络中的参数，以达到最符合期望的输出。
（2）拥有较强的非线性映射能力。
（3）严谨的推导过程。误差的反向传播过程，采用的是已经非常成熟的链式法测，其推导过程严谨且科学。
（4）较强的泛化能力，即在BP算法训练结束之后，BP算法可以利用从原来知识中学到的知识解决新的问题。
缺点：
（1）由于BP神经网络中的参数众多，每次都需要更新数量较多的阈值和权值，故会导致收敛速度过慢。
（2）网络中隐含层节点个数尚无明确的公式，传统方法需要不断地设置隐含层节点数进行试凑，根据网络误差结果确定最终隐含层节点个数。
（3）从数学角度看，BP算法是一种速度较快的梯度下降算法，很容易陷入局部最小值的问题。当出现局部极小时，从表面上看，误差符合要求，但这时所得到的解并不一定是问题的真正解。所以BP算法是不完备的。
