英文：Backpropagation 分类：training
神经网络训练的核心算法：利用链式法则从输出层向输入层逐层计算损失对各参数的梯度，配合梯度下降更新权重；深度学习"能训练"的根本机制。
原理：前向传播（计算输出与损失）→反向传播（链式法则逐层求导）→参数更新（梯度下降）；计算：矩阵乘法+雅可比链（自动微分实现）；改进：自动微分框架（PyTorch/TensorFlow 自动求导）、梯度检查点（省显存）；数值：梯度消失/爆炸（需归一化）。
用于所有神经网络训练（监督/自监督/强化）、深度学习框架设计（自动微分引擎）与 AI 理论研究（学习机制分析）。