神经网络与机器学习(原书第3版)是关于神经网络的全面的、彻底的、可读性很强的、最新的论述。全书共15章，主要内容包括Rosenblatt感知器、通过回归建立模型、最小均方算法、多层感知器、核方法和径向基函数网络、支持向量机、正则化理论、主分量分析、自组织映射、信息论学习模型、动态规划、神经动力学、动态系统状态估计的贝叶斯滤波等。 《神经网络与机器学习(原书第3版)》适合作为高等院校计算机相关专业研究生及本科生的教材，也可供相关领域的工程技术人员参考。