Как работает алгоритм обучения обратного распространения?

Я пытался понять, как обратное распространение работает с нейронными сетями, но пока не нашел хорошего объяснения с менее технического аспекта.

Как работает обратное распространение? Как он извлекается из предоставленного набора обучающих данных? Мне придется это закодировать, но до тех пор мне нужно лучше понять это.