back prop的意思|示意
后撑
back prop的用法详解
'
Back Prop是一种常见的衡量神经网络训练绩效的方式，是反向传播算法的一种，最早由R.W.Hinton和D.E.Rumelhart于1986年提出，是一种基于误差的反向传播算法，主要用于实现神经网络的训练和训练绩效的评估。
Back Prop的基本思想是：从后向前逐层调整网络的权值和偏置，使得网络实现期望的输出结果，从而实现训练效果的改进。首先，使用训练集对神经网络进行训练，计算输出层的残差，即神经网络的输出和期望的差异。然后，利用误差反向传递的原理，将残差逐层向反方向传播，从输出层开始，经隐层而至输入层，更新和调整每一层的权值，使得输出的结果越来越接近期望的输出结果，从而实现训练效果的改进。
Back Prop算法的优点在于其能够获得较高的准确性，并且比较稳定、快速，可以用于多种神经网络结构，其应用也比较广泛。但同时也存在缺点，如调整过程中的参数比较多，比较麻烦，而且会有参数的抖动等等问题，所以，在使用Back Prop算法时，需要慎重选择调整参数，更新策略，以提高训练绩效。
'back prop相关短语
1、 back-prop algorithm 反向传播算法