誤差逆伝播法（Backpropagation）とは、ニューラルネットワークの各パラメータに対する損失関数の勾配を効率的に計算するアルゴリズムです。微分の連鎖律（Chain Rule）を用いて出力層から入力層に向かって勾配を逆向きに伝播させます。
順伝播と逆伝播
まず順伝播で入力データから出力（予測値）を計算し、損失関数で誤差を求めます。次に逆伝播で、出力層から入力層に向かって連鎖律を適用し、各パラメータの勾配を計算します。計算された勾配を使って勾配降下法でパラメータを更新します。
計算効率
連鎖律による勾配計算は各パラメータを個別に微分するよりも大幅に効率的です。一度の逆伝播ですべてのパラメータの勾配を同時に計算でき、計算量は順伝播とほぼ同等です。
歴史的意義
1986年にRumelhart、Hinton、Williamsらにより広く知られるようになった誤差逆伝播法は、多層ニューラルネットワークの効率的な学習を可能にし、現代の深層学習の基盤となっています。