反向传播是一种用于训练人工神经网络的 fundamental 算法。它通过计算损失函数相对于网络权重的梯度来工作。然后使用该梯度来调整权重，迭代地减少网络预测与实际目标值之间的误差。本质上，它是一种高效计算网络中每个权重对整体误差贡献程度的方法，允许进行有针对性的调整以提升性能。