待验证50% 置信事实精确时间

反向传播算法由Rumelhart、Hinton和Williams于1986年系统化提出，其核心依赖链式法则将损失函数的梯度逐层传递至每个参数

1

来源数

50%

置信度

长期有效

时效性

2026/7/21

首次发现

来源

无梯度进化模型GENREG：径向空间搜索如何绕开反向传播

相关事实

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74% 相似已验证神经网络的反向传播算法是链式法则的直接应用，梯度下降依赖微积分中的偏导数概念72% 相似已验证反向传播算法的数学基础是微积分中的链式法则，将复合函数的梯度分解为各层局部梯度的乘积，从输出层逐层向输入层传递误差信号71% 相似待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70% 相似待验证策略梯度的核心思想源自 REINFORCE 算法（Williams, 1992），通过对轨迹回报的蒙特卡洛估计来计算策略参数的梯度66% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/577010

API

curl https://kongchang.com/api/v1/knowledge/claims/577010

MCP

get_claim(id=577010)