推荐非常适合入门神经网络编程的一本书《Python神经网络编程》，主要是三部分： 介绍神经网络的基本原理和知识；用Python写一个神经网络训练识别手写数字；对识别手写数字的程序的一些优化。
清晰易懂，只用了一点数学（目标读者是高中生，书中稍许用到的微积分知识，在附录也有解释），就把神经网络的构造和原理讲得很清楚。讲完理论，作者在书的第二部分进入实践，一步步编写了一段应用神经网络模型识别手写数字的代码，几乎每一步都伴有详细讲解。个人感觉是，如果预先有一点点python的知识，会更容易理解这些代码。第三部分篇幅不长，主要是在某些方面略作延伸，意图应该是希望激发读者进一步探究的兴趣。书中的计算和公式偶有小错误，基本都能通过上下文发现。
推荐参考：
《Python神经网络编程》中文版PDF+英文版PDF+源代码
网盘下载：http://106.13.73.98
中文版，255页，带目录和书签，彩色配图，文字可以复制粘贴；
英文版，207页，带目录和书签，彩色配图，文字可以复制粘贴；
配套源代码。
神经网络就是给定输入，经过一些处理，得到输出。当不知道具体的运算处理方式时，尝试使用模型来估计其运作方式，在这个过程中可以基于模型输出和已知真实实例之间的比较来得到误差、调整参数。
常见的神经网络模型包括分类器和预测器。分类器是将已有数据分开；预测是根据给定输入，给出预测的输出。本质上没有太大差别。在分类过程中其实就是要找到线分开各组数据，关键就是确定这条线，也就是确定斜率。