Backpropagation（反向传播）

反向传播于1986年由Rumelhart、Hinton和Williams重新推广，基于微积分链式法则，高效计算所有参数的梯度。它使多层感知机能够通过梯度下降更新权重，解决了早期单层网络无法学习非线性特征的局限。现代深度学习框架如TensorFlow和PyTorch均自动实现反向传播，支持复杂网络结构的端到端训练。