Темата за изкуствените невронни мрежи бележи стремителен растеж през последните 25 години и вече представлява широка и автономна научна област, свързана с общата рамка на изкуствения интелект и интелигентните системи.

В тази книга систематично се описват най-важните модели на невронни мрежи, започвайки от простия модел Perceptron с един неврон и продължавайки с многослойни Perceptron мрежи и алгоритъма за обучение Back Propagation, мрежите Radial Basis Function (RBF), самоорганизиращите се мрежи, като модела SOM, линейните и нелинейните Хеббови модели на учене, машините с опорни вектори (SVM), динамичните модели, като модела Hopfield, и много други.

Всички модели са категоризирани на базата на начина на обучение, като читателят е въведен в общия проблем на ученето и самоадаптацията на компютърна система. Подават се необходимите математически основи за разбирането на функционирането на мрежите, без да са нужни математики с високо ниво на познания.

Особено внимание се отделя също и на алгоритмичната страна на моделите, тъй като най-важните от тях са придружени от съответния псевдокод. Накрая, приложенията на невронните мрежи представляват важна част от книгата, тъй като те са основен мотив за изучаването и развитието им. Описват се приложения, покриващи разнообразни области, като разпознаване на образци, обработка на сигнали и изображения, компресия на информация, моделиране и разпознаване на системи и др.