反向传播(Backpropagation)
沿链式法则把损失对每层权重的梯度逐层往回传的算法:Rumelhart、Hinton、Williams 1986 年那篇 Nature 确实存在,但「1986 年发明」是本课证据下站不住的优先权主张(Werbos 1974 已把它用于神经网络训练)。
生产方式:AI 生成AI 生成,仅供参考签发:晓黎学习复核:2026年11月1日被 10 个词条引用
互链
链接来自概念卡正文里的双链,编译时能解到本期词条集的才成为站内链接。
- 感知机(Perceptron)相关概念
- 神经网络(Neural Network)正文引用
- 神经网络(Neural Network)相关概念
- Crossref相关概念
反链(10)
- 感知机(Perceptron)相关概念
- 卷积神经网络正文引用
- 链式法则(Chain Rule)正文引用
- 权重(Weight)正文引用
- 深度学习(Deep Learning)正文引用
- 深度学习(Deep Learning)相关概念
- 神经网络(Neural Network)正文引用
- 神经网络(Neural Network)相关概念
- 异或(XOR)正文引用
- ImageNet正文引用
出现在哪些课时里(7)
判据与「课时正文里能不能点出来」是同一个:那一节确实提到了它。点课时走当前页跳转, 它是导航,不是词条链接。
- 反向传播不是 1986 年发明的深度学习是怎么来的:机制、竞争与未定论
- 寒冬是三本账同时变差深度学习是怎么来的:机制、竞争与未定论
- 从手写体到 ImageNet:卷积赢在哪一格深度学习是怎么来的:机制、竞争与未定论
- 序列为什么难,注意力解决了什么深度学习是怎么来的:机制、竞争与未定论
- 并行的代价:Transformer 的取舍深度学习是怎么来的:机制、竞争与未定论
- 仍在争议的历史:怎么对一条叙事提问深度学习是怎么来的:机制、竞争与未定论
- 省内存省的到底是哪一块账大模型后训练:偏好、权重与测得出退化的评测
关联图
只画这一条与它直接相连的词条,边与上面两区同源。可拖拽、可缩放,点节点是新标签。
出处
路径是本地知识库(Obsidian 库)里的位置,正文与概念卡逐字对应。
- 课程正文用法归纳反向传播不是 1986 年发明的
packages/db/prisma/lesson-content/backprop-not-invented-1986.md - 课程正文用法归纳寒冬是三本账同时变差
packages/db/prisma/lesson-content/winters-were-payable.md - 课程正文用法归纳感知机的承诺:让数据来改判断依据
packages/db/prisma/lesson-content/perceptron-promise.md - 课程正文用法归纳课程派生词条 · 模型与生成式 AI 基础
编译入库:2026年11月2日。词条由知识库编译而来, 修正要回到概念卡改,再重新编译。