除了用于深度学习之外，反向传播还被用于许多其他领域，从天气预报到分析数值稳定性。事实上，该算法已经在不同领域被多次改造。通用的、独立于应用程序的名称是“反向模式微分” [3]。

现代版本的反向传播，也称为自动微分，由 Seppo Linnainmaa [1]于 1970 年首次发表。他将其用作估计算术舍入误差对复杂表达式结果的影响的工具[2]。

Gerardi Ostrowski 大约五年前在化学工程的某些过程模型中发现并使用了它[2]。

六十年代，Hachtel 等人。考虑了电子电路的优化，使用初始值问题的 costate 方程及其离散化来计算显式时间相关问题的反向模式中的梯度[2]。

其他发现它的研究人员包括 Bernt Speelpenning。当被要求为刚性 ODE [2]的雅可比行列式自动生成有效代码时，他通过编译器优化到达了反向模式。

更多信息可以在：神经网络中的深度学习：概述和谁发明了反向传播？以及其中的参考资料。

[1] 谁发明了反向传播？

[2] 谁发明了逆向分化模式？

[3] 计算图上的微积分：反向传播