本书结合几种典型神经网络，系统地介绍每种神经网络的基本理论、基本方法和应用技术，是作者多年从事神经网络教学和科研工作的结晶，同时融入了国内外同行近年来所取得的新成果。 全书共17章，主要内容包括神经网络理论基础、BP神经网络设计、基于工具箱的BP神经网络训练与测试、基于BP网络的数据拟合与误差补偿、模糊BP神经网络数据拟合与误差补偿、RBF神经网络设计、模糊RBF神经网络设计、ELM网络算法设计、基于高斯基函数特征提取的FELM神经网络、基于ELM神经网络和FELM神经网络的数据拟合、动态递归神经网络设计、带有动态回归层的模糊神经网络、PiSigma模糊神经网络设计、小脑模型神经网络设计、Hopfield神经网络设计、深度学习算法、卷积神经网络和基于长短期记忆网络的拟合与时间序列预测。 本书各部分内容既相互联系又相互独立，读者可根据自己的需要选择学习。本书可作为高等院校工业自动化、自动控制、机械电子、自动化仪表、计算机应用等专业的本科生和研究生教学用书，也可作为从事生产过程自动化、计算机应用、机械电子和电气自动化领域工作的工程技术人员的参考书。