本书从两大部分阐述了神经网络与深度学习的基本理论： 一是神经网络； 二是深度学习。系统地整理了神经网络与深度学习的知识体系，由浅入深地进行了详细讲解。全书共13章，第1章介绍神经网络的概念、发展历史、研究内容、应用领域以及神经网络与深度学习的关系。其后12章的内容分为两大部分： 第一部分（第2~7章）阐述了6种典型的神经网络模型，即MP模型、感知机模型、BP神经网络、Hopfield神经网络、玻耳兹曼机、自组织神经网络等。第二部分（第8~13章）阐述了深度学习的6种经典模型，即深度神经网络、深度置信网络、卷积神经网络、循环神经网络、生成式对抗网络、图神经网络等。详细介绍了它们的网络结构、学习算法、工作原理、应用实例及操作实践，使学生在全面掌握神经网络与深度学习相关知识的同时，提高动手能力，并提高应用神经网络与深度学习技术来解决实际问题的能力。每章后面附有习题，以供读者练习。 本书还增加了课程思政的内容，在介绍各种神经网络与深度学习模型的基本原理、具体应用场景以及实践运用的同时，引导学生明晰技术前沿发展，明确领域社会价值，树立远大职业理想，深刻认识个人专业对国家发展和社会建设以及历史进程的推动影响。培养学生精益求精的工匠精神、刻苦钻研的探索精神和团队协作的共赢精神，永不停顿地对未知领域进行探究，不仅有助于促进个人发展更有助于推动社会形成强大而持久的生产力和创造力。 本书主要作为计算机及相关学科研究生和高年级本科生的课程教材，也可供相关领域的研究人员和工程技术人员参考。