本书从建造高性能计算机的观点出发，讨论了神经网络的作用，详细分析了多层前馈网络的结构设计、学习算法和故障诊断问题。全书共分4篇：第1篇重点讨论前馈网络的各种典型结构；第2篇讨论神经网络学习中的一些理论问题；第3篇研究具体的学习算法；第4篇讨论神经网络的可靠性及故障诊断。本书理论分析深入，并有不少具体实例，每章后面都附有俄罗斯学者在神经网络研究方面的大量文献。 本书可作为从事神经网络研究和应用，以及从事模式识别领域研究的科技工作者的自学参考书，也可作为相关专业研究生的教学参考书。 原书在俄罗斯被推荐为高年级大学生及研究生的教学用书。
本书全面介绍了经典的和现代的网络流技术，包括综合的理论、算法与应用。主要内容包括：路径、树与周期，算法设计与分析，*流与小流算法，分派与匹配，小生成树，拉格朗日松弛与网络优化等。书中包含大量练习题，拓展了本书的内容，便于教学。 本书特点： 深入介绍功能强大的算法策略和分析工具，如数据缩放和势函数变量。 讨论有关网络优化的重要主题及实际解决方案，如拉格朗日松弛法。 包括广泛的文献注解，提供宝贵的历史背景和指导。 包含800多道难度不一的练习题。
