深度学习（Deep Learning）

以多层网络加反向传播训练为技术主体、2012 年后随算力与数据条件成熟而兴起的方向；LeCun、Bengio、Hinton 2015 年 Nature 综述是本课的历史锚点，相关叙事本身被当作取证练习对象。

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 7 个词条引用

「深度学习」既是一类方法（多层神经网络加反向传播训练），也是一篇综述的名字：LeCun、Bengio、Hinton 2015 年发表在 Nature 的 Deep learning，本课 2026-10-23 经 Crossref 核到卷页与作者。

课程的立场是把叙事当对象：「AlexNet 开创了 GPU 深度学习时代」是因果加优先权的复合主张，「1986 发明反向传播」是优先权叙事——历史课的一贯要求是先给主张分类，再按类配证据，而不是背胜利者清单。

相关

反向传播（Backpropagation） AlexNet ImageNet

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。

反链（7）

出现在哪些课时里（3）

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。

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。

以列表方式看这 10 个节点

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
  • 课程正文用法归纳仍在争议的历史：怎么对一条叙事提问packages/db/prisma/lesson-content/history-still-contested.md
  • 课程正文用法归纳从手写体到 ImageNet：卷积赢在哪一格packages/db/prisma/lesson-content/from-handwriting-to-imagenet.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。