2)BP神經網絡算法的收斂速度慢：由於BP神經網絡算法本質上為梯度下降法，它所要優化的目標函數是非常復雜的，因此，必然會出現“鋸齒形現象”，這使得BP算法低效；又由於優化的目標函數很復雜，它必然會在神經元輸出接近0或1的情況下，出現壹些平坦區，在這些區域內，權值誤差改變很小，使訓練過程幾乎停頓。
3)BP神經網絡結構選擇不壹：BP神經網絡結構的選擇至今尚無壹種統壹而完整的理論指導，壹般只能由經驗選定。網絡結構選擇過大，訓練中效率不高，可能出現過擬合現象，造成網絡性能低，容錯性下降，若選擇過小，則又會造成網絡可能不收斂。而網絡的結構直接影響網絡的逼近能力及推廣性質。因此，應用中如何選擇合適的網絡結構是壹個重要的問題。
4)應用實例與網絡規模的矛盾問題：BP神經網絡難以解決應用問題的實例規模和網絡規模間的矛盾問題，其涉及到網絡容量的可能性與可行性的關系問題，即學習復雜性問題。
5)BP神經網絡預測能力和訓練能力的矛盾問題：預測能力也稱泛化能力或者推廣能力，而訓練能力也稱逼近能力或者學習能力。壹般情況下，訓練能力差時，預測能力也差。