Programmeerimise, arvutite ja tehisintellekti maailmas on backpropagation neuron network lihtsalt teatud tüüpi tehisnärvivõrk (ANN), mis kasutab tagasilevitamist. Backpropagation on põhiline ja sageli kasutatav algoritm, mis juhendab ANN-i, kuidas antud ülesannet täita. Kuigi see kontseptsioon võib tunduda segane ja pärast protsessi käigus nõutavate võrrandite vaatamist tundub täiesti võõras, on see kontseptsioon koos kogu närvivõrguga üsna lihtne mõista.
Neile, kes ei tunne närvivõrke, on ANN või lihtsalt NN, mis tähistab “närvivõrku”, matemaatiline mudel, mis on kujundatud teatud reaalsete närvivõrkude tunnuste järgi, nagu need, mida leidub elusolendites. Inimese aju on ülim närvivõrk, mille toimimine annab vihjeid tehis-NN-ide struktuuri ja toimimise parandamiseks. Nagu kõige algelisemal ajul, on ka ANN-il omavahel ühendatud tehisneuronite võrgustik, mis töötlevad teavet.
Selle juures on põnev see, et ANN saab vajaduse korral kohandada ja muuta oma struktuuri vastavalt teabele, mida ta saab keskkonnast ja võrgu seest. See on keerukas arvutusmudel, mis kasutab mittelineaarset statistilist andmeanalüüsi ja on võimeline tõlgendama keerulisi seoseid andmete, nagu sisendid ja väljundid, vahel. See suudab lahendada probleeme, mida ei saa lahendada traditsiooniliste arvutusmeetoditega.
Tagasi leviva närvivõrgu idee tekkis esmakordselt 1969. aastal Arthur E. Brysoni ja Yu-Chi Ho tööst. Hilisematel aastatel on teised programmeerijad ja teadlased seda ideed täpsustanud. Alates 1974. aastast hakati tagasilevitavat närvivõrku tunnustama kui uuenduslikku läbimurret tehisnärvivõrkude uurimisel ja loomisel.
Närvivõrgu õppimine on ANN-i peamine ülesanne, mis tagab, et see suudab jätkuvalt andmeid õigesti töödelda ja seega oma funktsiooni korralikult täita. Tagasi leviv närvivõrk kasutab deltareegli üldistatud vormi, et võimaldada närvivõrgu õppimist. See tähendab, et see kasutab õpetajat, kes suudab teatud võrku sisestatud sisenditest soovitud väljundid välja arvutada.
Teisisõnu, tagasilevitav närvivõrk õpib eeskuju järgi. Programmeerija pakub õppimismudelit, mis näitab, milline oleks õige väljund konkreetse sisendite komplekti korral. See sisend-väljund näide on õpetaja või mudel, mille järgi saavad võrgu teised osad järgnevaid arvutusi kujundada.
Kogu protsess kulgeb metoodiliselt mõõdetud intervallidega. Arvestades kindlat sisendite kogumit, rakendab ANN esialgse väljundi saamiseks mudelist õpitud arvutusi. Seejärel võrdleb see seda väljundit algselt teadaoleva, oodatud või hea väljundiga ja teeb vajaduse korral kohandusi. Selle käigus arvutatakse vea väärtus. Seejärel levitatakse seda edasi-tagasi edasi-tagasi leviva närvivõrgu kaudu, kuni määratakse parim võimalik väljund.