《神经网络与深度学习》是一本启发我们利用全新编程和技术去分析学习计算机识别问题的书籍。神经网络，一种受生物学启发的编程范式。可以让计算机以观测数据中学习。深度学习，一个用于神经网络学习的众多技术的集合。两者如何，帮助我们掌握“计算机复杂模式识别”问题的解决方法，学习它的用途。
刚开始，作者向我们阐述了两个重要人工神经元：感知神经元和s型神经元。。以此让我们了解神经元的工作原理，感受器及计算机全行数据时使用的工具。它可以接收信息，然后对比它们，最后以“马非门”或“1与2”的形式表达权衡结果，进而将信息传达。而s型神经元功能性更强，他甚至可以表达，0到1内的任意数字，进而使神经网络的信息表达更准确，更精确的传递信息。
计算机可以处理信息，同时也需要接收信息，如利用三层神经网络来识别一些并列的手写数字。叫他们分开来，或利用梯度下降算法进行运算学习，利用各种数学算法来解决人类所无法解决的难题等。但这并不意味着它很完美，我们还是需要不断改进提升。它的工作质量，效率，借助交叉熵代价函数可以实现这个目标，进而达到令人满意的结果。
诸多的深度学习模型和网图片识别技术提高了计算机的工作能力，便利了人们的生活。未来，计算机会成为我们生活不可缺少的一部分。
