"深度學習技術屬于人工神經網絡的范疇，而人工神經網絡已有幾十年發(fā)展歷程，各種重要的技術分別散落在不同時期的學術文獻中。對于需要系統(tǒng)學習新知識的初學者來說，從許多技術文獻中開始學習并不是好的方式，經驗告訴我們應該從一本內容合理、邏輯性強的圖書開始，學習人工神經網絡也不例外。本書基本涵蓋了人工神經網絡縱向發(fā)展歷程中的主要節(jié)點技術，能夠滿足需要系統(tǒng)學習的讀者需求。
本書從生物神經網絡基礎開始，圍繞人工神經網絡技術的縱向發(fā)展特征進行了深入淺出的講解和探討，內容合理、系統(tǒng)性強。具體來說，第1章內容高屋建瓴，涉及人工神經網絡的引入及其角色，作者主要從體系架構和并行性兩個方面說明人工神經網絡的潛在優(yōu)勢。第2-3章介紹生物神經網絡基礎和人工神經網絡原理，第4-5章分別介紹單層/多層感知器和Madaline網絡，第6章介紹經典和改進的反向傳播算法。第7-8章分別介紹霍普菲爾德(Hopfield)網絡和對偶傳播(Counter Propagation)網絡，第9章介紹更接近生物神經網絡的自適應共振(ART)網絡。第10章介紹神經認知機，這是后來卷積神經網絡發(fā)展的靈感來源，而卷積神經網絡引領深度學習成為當代人工智能的主流技術。第11章介紹神經網絡的統(tǒng)計(隨機)訓練知識，第12章介紹循環(huán)神經網絡。第13章介紹深度學習神經網絡的原則及范圍，第14-15章分別介紹卷積神經網絡和LAMSTAR神經網絡，最后第16章是內容廣泛的比較案例研究。
本書內容合理，向讀者介紹了人工神經網絡中使用的基本方法，并試圖解釋它們的數學基礎和設計細節(jié)。同時本書突出知識學習的實用性，在第4-9章，第11-12章，第16章均含有相應的案例研究代碼供讀者學習參考，能激發(fā)讀者的學習興趣。
本書適用于理工科大學的人工智能、計算機、數據科學等專業(yè)高年級本科生或者研究生，也可作為人工智能相關領域的研究/技術人員的參考書籍，對該主題感興趣的讀者也可將本書作為自學參考書。要閱讀使用本書，讀者應具備一些線性代數和微積分方面的數學基礎，以及計算編程技能(不限于特定的編程語言)。"