他们如何改正。例如：“a，下次收集数据时，应该更侧重x方面；b，分析逻辑应该调整y参数。”
这个“告诉”的过程就是参数更新，通常使用梯度下降算法：新参数=旧参数-学习率责任分数（梯度）。
下一次做报告时，团队就会表现得更好。反复多次，团队（神经网络）就会越来越出色。
这就是反向传播的全内容。
“反向传播？”
路明非看着上面的话语，虽然他看懂了，也知道这只不过是一个反复往前归因的过程，但是怎么看都是一个非常繁杂的神秘知识！
老唐也看傻了，哥们高中肄业，你给我整这？
“有没有一种可能，托子哥你说的这个不是中文，而是某些小众语种。”老唐呢喃自语道。
“正经中国人谁说这些啊！”老唐嘶吼。
路明非怒吼：“你也不是中国人吧！”
路明非：“……”
老唐：“……”
现场一片寂静。
而林托的意识进入到眼前的屏幕之后，效率可谓是比语音输入还要快上许多倍，他的思维所到之处，哪里就是文本的书写。
“反向传播的数学心脏是微积分中的链式法则。它解决了如何将最终输出的误差，高效地分摊给网络中成千上万个参数的问题。”
“神经网络是一个由许多复合函数嵌套组成的复杂函数。”
“损失函数衡量的是输出与目标的差异。”
“我们想知道的是：‘损失函数关于每一个权重参数的变化率是多少？’（即梯度）。”
“链式法则允许我们从输出层开始，一层一层地、递归地将误差梯度向后传递，直到最初的输入层。每一层只需要计算局部梯度，然后乘以从后面传过来的梯度即可。”
“这个过程之所以强大，是因为它避免了对每个参数进行单独、重复的复杂计算，而是用系统化的方式一次算出所有参数的梯度，效率极高。”
“……”
林托呢喃自语，声音无比轻灵，像是光里柔和的天使，又像是慈悲的神明。
路明非和老唐顿时意识到这玩意儿是天阶功法，没准他们两个之后还有可能会用到，顿时露出了欣喜若狂的神色。
而林托这边倒也不是完全依靠着自己的想法来，而是跟随着正向传播的定义来进行理解。
正向传播即就是从输入到隐藏层到输出。