我知道可以使用梯度下降训练神经网络，我理解它是如何工作的。
最近，我偶然发现了其他训练算法：共轭梯度和准牛顿算法。我试图理解它们是如何工作的，但我能得到的唯一好的直觉是它们使用更高阶的导数。
我的问题如下：我提到的那些替代算法是否与反向传播过程根本不同，后者通过使用损失函数的梯度来调整权重？如果没有，是否存在训练神经网络的算法，该算法与反向传播机制根本不同？
谢谢
共轭梯度和准牛顿算法仍然是梯度下降算法。反向传播（或反向传播）是nothing more than a fancy name到梯度计算。
然而，backprop替代方案的原始问题非常重要。例如，最近的替代方案之一是equilibrium propagation（或简称eqprop）。