تعد شبكات الانتشار الخلفي (بالإنجليزية: Backpropagation Networks) هي نوع من الشبكات العصبية الاصطناعية، حيث تستخدم لتعلم عميق Deep Learning، وتعمل على استخراج المعلومات من البيانات المدخلة وتحسين النتائج.
تتكون شبكات الانتشار الخلفي من طبقات متعددة (المدخلات، الظاهرية، الخفية، والخرجية) تعمل بشكل متتالي، حيث تزود البيانات من طبقة إلى طبقة، وتستخدم لحل مشكلات البيانات غير الهيكلية، مثل التصنيف الآلي، التعرف على الصوت، والصور.
وتعتمد هذه الشبكات على خوارزمية انتشار الخطأ (Backpropagation Algorithm)، والتي تعمل على تحديث الأوزان Weight الخاصة بكل طبقة، بحيث يتم التوجيه في الخطأ إلى الطبقات السابقة وإجراء التحديثات اللازمة في الأوزان بناءً على هذا الخطأ. وبذلك، تتمكن الشبكة من تدريب نفسها على معالجة البيانات بشكل ذاتي، وتقديم نتائج أفضل بمرور الوقت.
