反向传播算法是深度学习中用于调整模型参数以减少损失的一种方法。它通过计算损失函数相对于模型参数的梯度，然后沿着梯度的反方向更新参数，以此来最小化损失函数。选项A错误，因为反向传播不直接计算输入数据。选项C错误，因为反向传播的目的是优化模型性能，而不是增加模型复杂度。选项D错误，因为激活函数的选择是在模型设计阶段确定的，而不是通过反向传播算法来选择的。