反向傳播算法（Backpropagation）是一種用於訓練神經網路的算法，主要用於計算網路中每個參數對於損失函式的梯度，從而通過梯度下降法來更新網路參數，使得神經網路能夠逐步適應訓練數據。
反向傳播算法建立在梯度下降法的基礎上，適合於多層神經元網路的學習。其主要思想包括三個過程：
將訓練集數據輸入到神經網路的輸入層，經過隱藏層，最後達到輸出層並輸出結果，這是神經網路的前向傳播過程。
由於神經網路的輸出結果與實際結果存在誤差，計算估計值與實際值之間的誤差，並將該誤差從輸出層向隱藏層反向傳播，直至傳播到輸入層。
在反向傳播的過程中，根據誤差調整各種參數的值。
通過不斷疊代上述過程，直至收斂，反向傳播算法可以使神經網路逐步適應訓練數據並提高其性能。