用神經網絡綜合修正傳感器靜態誤差的連接方法如下圖所示：
即誤差修正模型的輸出z與被測非電量x成線性關係，且與各環境參數無關。
只要使誤差修正模型
即可實現傳感器靜態誤差的綜合修正。
通常傳感器模型 f(x;t) 及其反函數
根據前向神經網絡具有很強的輸入、輸出非線性映射能力的特點，以實驗數據集的和爲輸入樣本，及對應的爲輸出樣本，對神經網絡進行訓練，使神經網絡逐步調節各個權值自動實現
因神經網絡學習時，加在輸入端的數據太大，會使神經元節點迅速進入飽和，導致網絡出現麻痹現象。此外，由於在神經網絡中採用S型函數，輸出範圍爲(0，1)，且很難達到0或1。故在學習之前，應對數據進行歸一化處理。
式中，Di、Do分別是欲作爲神經網絡輸入、輸出樣本的原始數據。
建立神經網絡誤差修正模型的步驟：
（1）取傳感器原始實驗數據。
（2）由式①變換原始數據z’和t，式②變換原始數據x，得訓練神經網絡的輸入、輸出樣本對。
（3）確定神經網絡輸入、輸出端數量、各層節點數、學習率和動量因子的值。網絡輸入端數量與輸入層節點數量相同，等於環境參數個數k+1。輸出端數量與輸出層節點數均爲1。隱層節點數根據被測非電量、環境參數及傳感器輸出之間的關係的複雜程度而定，關係複雜取多些，反之取少些。學習率和動量因子一般取0～1。
（4）訓練神經網絡得到誤差修正模型。
【注】訓練的數據需分爲訓練數據和驗證數據。例如將一份數據的70%拿來訓練模型，剩下30%拿來驗證訓練出的模型。
參考：《傳感器與檢測技術（第4版）》 徐科軍主編。