O algoritmo backpropagation é uma regra de aprendizagem para redes neurais multi-camadas, creditado de Rumelhart e McClelland. o algoritmo dá uma receita para ajustar o conjunto inicialmente randomizado de pesos sinápticos (existente entre todos os pares de neurônios em cada camada sucessiva da rede) a fim de maximizar a diferença entre a saída da rede de cada fato de entrada e a saída com o qual o determinado input é conhecido (ou desejado) a ser associado. a toma de regra de retropropagação seu nome da maneira em que o erro calculado na camada de saída é propagado para trás da camada de saída para o enésimo escondido camada a camada oculta th (Nl) e assim por diante. Porque este processo de aprendizagem exige que "sabe" o emparelhamento correto de entrada-saída fatos antecipadamente, este tipo de ajuste de peso é chamado supervisionado de aprendizagem.