《神经网络设计》介绍了神经网络的基本结构和学习规则，重点是对这些神经网络的数学分析、训练方法和神经网络在模式识别、信号处理以及控制系统等工程实践问题中的应用。《神经网络设计》尽力用清晰和一致的方式来组织材料，以易于阅读和使用。对每个讨论的主题，使用大量例题来阐明。由于这是一本关于神经网络设计的书，因此在选择主题时我们依据了两个原则：首先，尽量采用最实用的神经网络结构、学习规则和训练方法其次，尽量保证该书的完整性，使读者从一章到下一章的学习感觉流畅。为此，在特定主题前，都会有一些相关的介绍性材料和应用数学基础的章节。总之，在我们选择的主题中，某些部分在神经网络实际应用中极其重要，而另一些部分对解释神经网络如何运算十分有用。
本书主要讲述神经网络的基本概念，介绍实用的
网络模型、学习规则和训练方法。全书分19章，内容涵盖
神经元模型和网络结构、
感知机学习规则、有监督的 Hebb学习、Widrow—Hoff学习算法、
反向传播算法及其变形、联想学习、竞争网络、Grossberg网络、自适应谐振理论和Hopfield 网络。
书中注重对数学分析方法和性能优化的讨论，强调神经网络在模式识别、信号处理以及控制系统等实际
工程问题中的应用。同时本书包含大量例题、习题，并配有基于MATLAB软件包的“神经网络设计演示”程序。本书可以作为大学高年级本科生或一年级研究生的神经网络课程教材，也可供从事相关研究工作的科技人员参考。