昨天寫到了要介紹反向傳播算法，我找了很多資料，大部分都是只介紹如何計算，沒有明確的告訴讀者這是什麼，所以只能參考維基百科再嘗試自己解讀了，以下是他的介紹。

反向傳播（英語：Backpropagation，縮寫為BP）是「誤差反向傳播」的簡稱，是一種與最優化方法（如梯度下降法）結合使用的，用來訓練人工神經網絡的常見方法。該方法對網絡中所有權重計算損失函數的梯度。這個梯度會反饋給最優化方法，用來更新權值以最小化損失函數。

內容節自https://zh.wikipedia.org/wiki/反向传播算法

簡單的看過計算例子後，首先要分成輸入輸出跟隱藏層，所謂的隱藏層就世界在輸入輸出中間，人們看不見的存在，首先把輸入乘以突觸的權重比後相加，得到隱藏層的值後再繼續乘以下一條的權重，如此重複直到到達輸出，然後就會發現跟答案誤差很多，所以要把兩者的差拿去套入鍵式法則後改變權重，不停地重複直到靠近0誤差，反向傳播算法的目標就是找到最能減少誤差的權重，透過這樣來訓練神經網路，讓他們能辦到向人依樣透過數個特徵分辨物體，是一種需要大計算器的訓練方法之一。