神经网络反向传播,使用图像介绍了反向传播的过程，公式清楚，逻辑明确。

神经网络反向传播图解,使用图像介绍了反向传播的过程，公式清楚，逻辑明确。​ 反向传播（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。该方法对网络中所有权重计算损失函数的梯度。这个梯度会回馈给最佳化方法，用来更新权值以最小化损失函数。本文通过图解加介绍，帮助初学者学习和了解反向传播算法。​ 弗拉基米尔·瓦普尼克引用（Bryson, A.E.; W.F. Denham; S.E. Dreyfus. Optimal programming problems with inequality constraints. I: Necessary conditions for extremal solutions. AIAA J. 1, 11 (1963) 2544-2550）在他的书《支持向量机》中首次发表反向传播算法。在1969年Arthur E. Bryson和何毓琦将其描述为多级动态系统优化方法。现今，反向传播算法仍然是神经网络进行学习训练比不可少的成分，了解反向传播算法是AI行业基础