David Rumelhart

概述

美国认知心理学家，与 Hinton 和 Williams 共同推广反向传播算法，推动深度学习复兴。

关键内容

1. 反向传播论文（1986）：与 Geoffrey E. Hinton、Ronald Williams 合作发表《Learning Representations by Back-propagating Errors》，系统化描述反向传播算法，使其成为训练多层神经网络的标准方法。
2. 认知科学贡献：将神经网络与人类认知过程联系，提出并行分布式处理（PDP）理论，为深度学习的认知合理性提供支撑。
3. 历史影响：该论文被视为深度学习复兴的关键文献之一，直接影响了后续 卷积神经网络（CNN）、Transformer 等架构的训练方式。

来源

• ai_papers_timeline.md — 1986 年时间线条目

相关

• Geoffrey E. Hinton — collaborates_with
• Ronald Williams — collaborates_with
• 反向传播（Backpropagation） — contributed_to