Викладено в значній мірі розвинені в роботах попередників різні способи опису архітектури і проблем оптимізації нейронних мереж. Детально розглянуто різні технології градієнтного спуску при зворотному поширенні помилки. Обгрунтовано кластеризацію при навчанні без вчителя і на її основі формування класифікацій. Розглянуто прості нейронні мережі і закладені в їх основу ідеї акредитації та асоціативної пам'яті. Представлено приклади нейронних мереж на основі нечіткої логіки. Значну увагу приділено вивченню багатопараметричних нелінійних систем і на цій основі обгрунтовано перехід до технологій глибокого навчання. Розглянуто різні види сучасних нейромереж. Запропоновано методи перетворення вхідних даних і принципи обробки текстів природної мови.