小编Hak*_*ata的帖子

我试图理解“反向传播”，因为它在使用梯度下降优化的神经网络中使用。通读文献似乎可以做一些事情。

1. 使用随机权重开始并获取误差值
2. 使用这些权重对损失函数执行梯度下降以获得新的权重。
3. 使用这些新权重更新权重，直到损失函数最小化。

上述步骤似乎是解决线性模型（例如回归）的精确过程？Andrew Ng 在 Coursera 上关于机器学习的优秀课程正是针对线性回归进行的。

因此，我试图了解 BackPropagation 是否除了损失函数上的梯度下降之外还有其他作用。如果没有，为什么仅在神经网络的情况下引用它，而为什么不在 GLM（广义线性模型）中引用它。他们似乎都在做同样的事情——我可能会错过什么？