1986年10月9日（《自然》论文发表） / 美洲

反向传播论文展示多层网络怎样学习内部表征

鲁梅尔哈特、辛顿和威廉斯展示利用输出误差计算权重调整的方法，让隐藏层在训练中学习对任务有用的特征。

科学史故事

1986年的《自然》论文说明怎样把误差的影响逐层向后计算，再调整神经网络的连接权重，使输出更接近训练目标。它推动了多层网络与内部表征研究，但反向计算导数和相关训练思想已有前史，不能说三位作者在这一年凭空发明全部方法。论文中的人工网络也是数学模型，不等于已经证明人脑以相同方式学习。

反向传播用到微积分的链式法则，连接了数学优化与机器学习。后来更大的网络、数据和计算硬件扩大了应用，也带来了新的验证问题。

1986年10月9日（《自然》论文发表）明确节点

按资料明确记载的年、月或日定位；未详的月日不作推定。

圣迭戈及跨校合作网络

标记鲁梅尔哈特与威廉斯的加州大学圣迭戈分校研究环境；辛顿当时的论文单位是卡内基梅隆大学。

代表点坐标 · 32.8801°, -117.234°

代表点可指一份手稿的收藏地、实验室或观测地点，不表示研究只在此发生，也不把共同发现单独归于某一国家。

资料以书目标题展示，不提供外部跳转。参考资料可能支持个别事实或相关背景，列出来源并不等于每一句解释已经逐句核实。