Der Backpropagation-Algorithmus ist in der Regel lernen für mehrschichtige neuronale Netze, Rumelhart und McClelland gutgeschrieben. Der Algorithmus gibt ein Rezept für die Anpassung des ursprünglich randomisierten Satz von synaptischen Gewichte (bestehenden zwischen allen Paaren von Neuronen in jede nachfolgende Schicht des Netzes) um zu maximieren den Unterschied zwischen der Netzwerk-Ausgang jeder Eingabe Tatsache und die Ausgabe die angegebene Eingabe mit denen bekannt (oder erwünscht) in Verbindung gebracht werden. Der Backpropagation Regel nimmt seinen Namen von der Art und Weise, in dem der berechnete Fehler bei der Ausgabeebene rückwärts aus der Ausgabeebene an die n-te versteckt weitergegeben wird, Ebene ganz nach der verborgenen (Nl) th-Ebene und so weiter. Da dieser Lernprozess wir erfordert "wissen", dass die richtige Paarung von Input-Output-Fakten vorher, diese Art von Gewichtsanpassung heißt betreute lernen.