用神经网络综合修正传感器静态误差的连接方法如下图所示：
即误差修正模型的输出z与被测非电量x成线性关系，且与各环境参数无关。
只要使误差修正模型
即可实现传感器静态误差的综合修正。
通常传感器模型 f(x;t) 及其反函数
根据前向神经网络具有很强的输入、输出非线性映射能力的特点，以实验数据集的和为输入样本，及对应的为输出样本，对神经网络进行训练，使神经网络逐步调节各个权值自动实现
因神经网络学习时，加在输入端的数据太大，会使神经元节点迅速进入饱和，导致网络出现麻痹现象。此外，由于在神经网络中采用S型函数，输出范围为(0，1)，且很难达到0或1。故在学习之前，应对数据进行归一化处理。
式中，Di、Do分别是欲作为神经网络输入、输出样本的原始数据。
建立神经网络误差修正模型的步骤：
（1）取传感器原始实验数据。
（2）由式①变换原始数据z’和t，式②变换原始数据x，得训练神经网络的输入、输出样本对。
（3）确定神经网络输入、输出端数量、各层节点数、学习率和动量因子的值。网络输入端数量与输入层节点数量相同，等于环境参数个数k+1。输出端数量与输出层节点数均为1。隐层节点数根据被测非电量、环境参数及传感器输出之间的关系的复杂程度而定，关系复杂取多些，反之取少些。学习率和动量因子一般取0～1。
（4）训练神经网络得到误差修正模型。
【注】训练的数据需分为训练数据和验证数据。例如将一份数据的70%拿来训练模型，剩下30%拿来验证训练出的模型。
参考：《传感器与检测技术（第4版）》 徐科军主编。