Backprop

释义 Definition

backprop 是 backpropagation 的非正式缩写，指“反向传播”：在训练神经网络时，把输出误差从后往前传回各层，并利用梯度来更新参数（权重、偏置）的算法过程。该术语在深度学习语境中最常见。

发音 Pronunciation (IPA)

/ˈbækˌprɑːp/
（完整形式 backpropagation: /ˌbækˌprɑːpəˈɡeɪʃən/）

例句 Examples

We used backprop to train the model.
我们用反向传播来训练这个模型。

By combining backprop with mini-batch gradient descent, the network gradually reduced its loss on the validation set.
将反向传播与小批量梯度下降结合后，网络在验证集上的损失逐步降低。

词源 Etymology

backprop 来自 backward（向后）+ propagation（传播）的缩写形式，字面意思是“向后传播”。它强调误差信号沿着网络结构从输出层“倒着”传回输入方向，用以计算各参数对损失的影响（梯度）。

相关词 Related Words

• Backpropagation
• Gradient
• Gradient Descent
• Chain Rule
• Neural Network
• Loss Function
• Optimization
• Autodiff

文学与著作中的用例 Literary & Notable Works

• Rumelhart, Hinton & Williams (1986), Learning representations by back-propagating errors（经典论文，系统推广反向传播用于多层网络）
• Goodfellow, Bengio & Courville (2016), Deep Learning（教材中详细讲解 backprop/反向传播与计算图）
• Bishop (2006), Pattern Recognition and Machine Learning（在神经网络训练章节讨论反向传播与梯度计算）