待验证60% 置信事实时间未知
反向传播（Backpropagation）本质上是链式法则的系统化应用，通过从输出层向输入层逐层传递误差信号来高效计算每个参数对损失函数的偏导数
2
来源数
60%
置信度
长期有效
时效性
2026/5/31
首次发现
来源
深度学习入门教程：三天从神经网络原理到图像识别实战
bilibiliAI大模型吱吱
涉及实体
相关事实
已验证反向传播的核心思想是利用链式法则将输出误差逐层分解，使误差信号从输出层逆向流回每一个权重参数81% 相似已验证反向传播本质上是一种高效计算梯度的动态规划算法，通过从输出层到输入层逐层传递误差信号并复用中间计算结果来降低梯度计算复杂度79% 相似已验证反向传播算法的本质是通过链式法则在计算图上高效计算标量损失对每个参数的偏导数77% 相似待验证确定性回退（deterministic fallback）指当外部模型不可用时，系统改用固定规则或算法生成结果，同样输入必然得到同样输出，不依赖随机性或网络调用。73% 相似待验证Backtrack 是一种针对冻结VLA模型的轻量级故障检测与恢复机制，无需演示数据、策略重训练或额外推理模型。71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/12558API
curl https://kongchang.com/api/v1/knowledge/claims/12558MCP
get_claim(id=12558)