推薦非常適合入門神經網絡編程的一本書《Python神經網絡編程》，主要是三部分： 介紹神經網絡的基本原理和知識；用Python寫一個神經網絡訓練識別手寫數字；對識別手寫數字的程序的一些優化。
清晰易懂，只用了一點數學（目標讀者是高中生，書中稍許用到的微積分知識，在附錄也有解釋），就把神經網絡的構造和原理講得很清楚。講完理論，作者在書的第二部分進入實踐，一步步編寫了一段應用神經網絡模型識別手寫數字的代碼，幾乎每一步都伴有詳細講解。個人感覺是，如果預先有一點點python的知識，會更容易理解這些代碼。第三部分篇幅不長，主要是在某些方面略作延伸，意圖應該是希望激發讀者進一步探究的興趣。書中的計算和公式偶有小錯誤，基本都能通過上下文發現。
推薦參考：
《Python神經網絡編程》中文版PDF+英文版PDF+源代碼
網盤下載：http://106.13.73.98
中文版，255頁，帶目錄和書簽，彩色配圖，文字可以復制粘貼；
英文版，207頁，帶目錄和書簽，彩色配圖，文字可以復制粘貼；
配套源代碼。
神經網絡就是給定輸入，經過一些處理，得到輸出。當不知道具體的運算處理方式時，嘗試使用模型來估計其運作方式，在這個過程中可以基於模型輸出和已知真實實例之間的比較來得到誤差、調整參數。
常見的神經網絡模型包括分類器和預測器。分類器是將已有數據分開；預測是根據給定輸入，給出預測的輸出。本質上沒有太大差別。在分類過程中其實就是要找到線分開各組數據，關鍵就是確定這條線，也就是確定斜率。