신경망에서, 출력함수를 적절히 선택하면 각 노드의 가중치에 대한 출력값의 미분을 해석적으로 구할 수 있는데, 보통 그 입력, 출력에 모두 의존하게 된다. 따라서 오류함수의 기울기를 구할 때, 맨 마지막단부터 차례대로 거슬러 올라가면서 모든 은닉유닛의 매개변수에 대한 오류함수의 기울기를 구해내는데, feed forward network의 일반적인 방향(forward)과 반대로(backward) 거슬러 올라가기 때문에 이렇게 부름. 신경망을 학습시키기 위한 알고리즘의 이름이라고 생각하면 됨.
convolutional neural network. 입력노드와 히든노드간의 연결이 convolution연산을 기본으로 하도록 디자인된 네트워크. 출력층이 어럿으로 이루어져 feature들을 나타낸다.(입력차원수와 무관하게 조절 가능하다.) 대략의 구조는 강의자료 참고
하나의 사전분포로 데이터집합을 잘 표현할 수 없거나, 비정형의 데이터분포를 나타내야 할 때, 여러 기저함수를 이용해 비선형함수를 근사해내듯이 여러 분포를 혼합하여 적절한 매개변수를 선택한 뒤 데이터분포를 추측하거나 묘사해낸다. 신경망의 경우 처음부터 베이지안으로 해결하기 어려운 분포를 근사해내기 위해 사용되므로, 혼합밀도 네트워크의 일종으로 보는 것도 가능하다.