反向传播利用链式法则，将梯度从损失函数逐层反向传递，计算出网络中每个权重对输出误差的贡献有多大。Rumelhart、Hinton 和 Williams（1986）让它成为训练多层网络的实用方法而广为人知，使深度学习成为可能。
本术语表中的每个模型——从 CNN 到 Transformer——都是用反向传播配合 Adam 等优化器训练出来的。
训练基础概念
2026 年更新
反向传播（Backpropagation）
定义
通过将预测误差反向传播来调整每个权重、从而训练神经网络的算法——几乎所有深度学习背后的引擎。
参考文献
本定义所依据的一手文献、同行评审文献和存档资料。
Learning representations by back-propagating errors
词典与百科条目
- Wikipedia — Backpropagation
- Google for Developers — Backpropagation
引用本条目
MultipleChat.《反向传播（Backpropagation）》. MultipleChat AI 与 LLM 术语表，2026. https://multiple.chat/ai-glossary/backpropagation