W świecie programowania, komputerów i sztucznej inteligencji sieć neuronowa z propagacją wsteczną jest po prostu rodzajem sztucznej sieci neuronowej (ANN), która wykorzystuje propagację wsteczną. Propagacja wsteczna jest podstawowym i powszechnie używanym algorytmem, który instruuje sieć SSN, jak wykonać dane zadanie. Nawet jeśli ta koncepcja może wydawać się zagmatwana, a po przyjrzeniu się równaniom, które są wymagane podczas procesu, wydaje się to zupełnie obce, ta koncepcja, wraz z całą siecią neuronową, jest dość łatwa do zrozumienia.
Dla tych, którzy nie są zaznajomieni z sieciami neuronowymi, SSN lub po prostu NN, co oznacza „sieć neuronowa”, to model matematyczny, który jest wzorowany na pewnych cechach rzeczywistych sieci neuronowych, takich jak te, które można znaleźć w żywych organizmach. Mózg człowieka to ostateczna sieć neuronowa, której funkcjonowanie dostarcza wskazówek, jak poprawić strukturę i działanie sztucznych sieci neuronowych. Jak najbardziej szczątkowy mózg, SSN ma sieć połączonych ze sobą sztucznych neuronów, które przetwarzają informacje.
Fascynujące jest to, że sieć SSN może w razie potrzeby dostosowywać i modyfikować swoją strukturę, zgodnie z informacjami, które otrzymuje z otoczenia i sieci. Jest to zaawansowany model obliczeniowy, który wykorzystuje nieliniową statystyczną analizę danych i jest w stanie interpretować złożone relacje między danymi, takimi jak dane wejściowe i wyjściowe. Potrafi rozwiązywać problemy, których nie da się rozwiązać tradycyjnymi metodami obliczeniowymi.
Pomysł na sieć neuronową z propagacją wsteczną pojawił się po raz pierwszy w 1969 roku w pracy Arthura E. Brysona i Yu-Chi Ho. W późniejszych latach inni programiści i naukowcy dopracowali pomysł. Począwszy od 1974 roku sieć neuronowa propagacji wstecznej została uznana za innowacyjny przełom w badaniach i tworzeniu sztucznych sieci neuronowych.
Uczenie się sieci neuronowych jest głównym zadaniem w sieci SSN, które zapewnia jej możliwość prawidłowego przetwarzania danych, a tym samym prawidłowego wykonywania swojej funkcji. Sieć neuronowa z propagacją wsteczną wykorzystuje uogólnioną formę reguły delta, aby umożliwić uczenie się sieci neuronowych. Oznacza to, że korzysta z nauczyciela, który jest w stanie obliczyć pożądane wyniki z określonych danych wejściowych wprowadzonych do sieci.
Innymi słowy, sieć neuronowa z propagacją wsteczną uczy się na przykładzie. Programista zapewnia model uczenia się, który demonstruje, jaki byłby poprawny wynik, przy określonym zestawie danych wejściowych. Ten przykład wejścia-wyjścia jest nauczycielem lub modelem, po którym inne części sieci mogą wykonać kolejne obliczenia.
Cały proces przebiega metodycznie w mierzonych odstępach czasu. Mając określony zestaw danych wejściowych, SSN stosuje obliczenia wyuczone z modelu w celu uzyskania początkowego wyniku. Następnie porównuje te wyniki z pierwotnie znanymi, oczekiwanymi lub dobrymi wynikami i dokonuje niezbędnych korekt. W procesie obliczana jest wartość błędu. Jest on następnie propagowany tam iz powrotem przez sieć neuronową propagacji wstecznej, aż zostanie określony najlepszy możliwy wynik.