这篇论文具有重要的意义，可以说是代表着反向传播算法（Backpropagationalgorithm）首次被引入到多层神经网络训练，为后来该算法的推广埋下伏笔，尤其是为人工智能在最近10年的发展奠定了基础，但要保持这种进步，还得清醒地面对人工智能的局限性。
1974年，PaulWerbos在其博士论文中首次提出了将反向传播算法应用到神经网络的可能性，但遗憾的是，PaulWerbos并没有后续的相关研究发表。.实际上，PaulWerbos认为，这种研究思路对解决感知机问题是有意义的，但是由于人工智能寒冬，这个圈子大体已经...
现代反向传播算法在1970年由芬兰硕士生SeppoLinnainmaa首次发表。在这篇硕士论文中，Linnainmaa首次描述了在任意、离散的稀疏连接情况下的类神经网络的高效误差反向传播，尽管其中没有提及神经网络。
反向传播算法最早于上世纪70年代被提出，但是直到1986年，由DavidRumelhart,GeoffreyHinton,和RonaldWilliams联合发表了一篇著名论文（Learningrepresentationsbyback-propagatingerrors）之后，人们才完全认识到这个算法的重要性。最最基础...
1986年，Hinton等人合著的论文《通过反向传播错误学习表征》（Learningrepresentationsbyback-propagationerrors），首次将反向传播算法引入多层神经网络训练，为大型复杂神经网络的应用奠定了基础。40年后，反向传播算法已经成为如今这一波人工智能
这样误差反向传播法就完成了，最后我们再把更新的权值重新计算，不停地迭代，在这个例子中第一次迭代之后，总误差E(total)由0.298371109下降至0.291027924。迭代10000次后，总误差为0.000035085，输出为[0.015912196,0.984065734](原输入为[0.01,0
Nature子刊：大脑学习也靠反向传播？.Hinton等用新一代反向传播算法模拟神经网络.反向传播全称叫“误差反向传播”，英文Backpropagation，缩写为BP算法。.作为训练神经网络的基本算法之一，反向传播对于新智元的程序员读者们来说一定不陌生。.它的特点在于...
该部分论文都是一些纯数学理论，它将向前传播和反向传播融合到了一个公式之中。因此，我们不做过多的介绍，仅探讨一些有用的结论：在随机的3层CNN网络中，saliencymap和DeconvNet可视化都对随机噪声较敏感，关于输入图像和类别的信息传递
首次将反向传播算法引入多层神经网络训练。为后来反向传播的大范围普及奠定了基础。论文摘要我们描述了一种新的学习过程，反向传播，用于类似神经元单元的网络。
PaulJ.Werbos出生于1947年，是机器学习领域的先驱，也是自适应智能系统领域的国际知名专家。在维基百科的词条中，PaulJ.Werbos因在1974年的哈佛大学博士论文中首次提出通过反向传播算法来训练人工神经网络而闻名，被称为「反向传播之父」。...