Learning Internal Representations by Error Propagation

ملخّص

يقدّم الانتشار العكسي طريقةً عامة لتدريب الشبكات متعدّدة الطبقات، مبيّناً أن الطبقات المخفية تستطيع تعلّم تمثيلات داخلية نافعة بدل الحاجة إلى تصميمها يدوياً.

لماذا تهمّ

جعل الشبكات متعدّدة الطبقات قابلة للتدريب عملياً وأشعل عودة الاتّصالية في أواخر الثمانينيات. ويسجّل راسل ونورفيغ أن هذه المجموعة، مع مقالة مرافقة في Nature، جذبت انتباهاً هائلاً إلى المجال. والنسبة متعدّدة الطبقات: فقد اشتُقّت تقنيات مكافئة استقلالياً من قبل، فتُقرأ 1986 على أنها لحظة ذيوع الانتشار العكسي لا لحظة اختراعه.