是什么
反向传播（Backpropagation）是训练神经网络的核心算法，用来计算各层参数对损失函数的梯度。
训练通常分两步：
- 前向传播：得到预测值和损失
- 反向传播：利用链式法则求梯度，再更新参数
W = W - 学习率 × ∂Loss/∂W代表人物
- Paul Werbos（1974）：最早提出相关思想
- David Rumelhart、Geoffrey Hinton、Ronald Williams（1986）：系统推广
核心理解
反向传播不是网络结构，而是几乎所有深度学习模型都依赖的训练方法。