接上一节求解解析梯度引出反向传播相关知识，高等数学上就是复合函数求导。
eg.
=>
函数可以表示为加法器和乘法器的组合电路，电路图表示如下:
函数对 的偏导数可根据所谓的Chain rule：
求得。
总结下求解过程，首先是拆分成各个组件，得到组件输出值，如 q = (x+y) = 3, f = qz = -12, 如上图绿色数值显示，是沿黑色箭头方向进行，此所谓前向传播 ，对 x 的偏导求解，先解出函数 f 对 q 偏导，再求 q 对 x 偏导，即可得到 f 对 x 偏导，此计算过程从最后一层，往第一层逐层进行，此所谓反向传播。此解法可应用到更复杂的函数，如
从标量应用到向量，梯度计算需要注意其维度是不变的，如下图 shape 为 2 x 2 ，
shape 仍然为 2 x 2。
以上就是关于反向传播的主要部分了，下面就是一些神经网络的内容。从大脑分析方面，将神经传播抽象成数学模型作了简要介绍，并给出神经网络架构。
