"本书系统介绍人工神经网络的基本理论、经典模型及其典型应用，围绕“理论—方法—实践—案例”这一主线，结合PyTorch深度学习框架，对人工神经网络的核心技术进行全面讲解。全书注重理论与实践相结合，涵盖多层感知器、卷积神经网络、循环神经网络、生成对抗网络、图神经网络等多种主流深度学习模型。在此基础上，围绕典型应用场景，精心设计多个完整案例，系统展示人工神经网络在实际问题中的建模思路与实现过程。突出“案例驱动”的教学特色，通过问题分析、相关知识讲解、模型构建、实验实现与结果分析等环节，引导读者掌握人工神经网络的设计思想与工程实践方法。 本书可作为高等学校本科生和研究生系统学习人工神经网络模型案例的教材，也可供人工神经网络与深度学习相关领域的科研人员和工程技术人员参考。 "

陆悠，苏州科技大学电子与信息工程学院副教授、硕士生导师。长期从事人工智能、云计算与大数据等教学科研工作，讲授“人工智能导论”、“云计算与大数据基础”等课程。发表论文近40篇。主持或参与国家重点研发计划子课题、国家自然科学基金、住建部科研项目等5项。获江苏省研究生教育改革成果奖1项。出版教材2部。

前言 人工智能(Artificial Intelligence,AI)已成为引领未来发展的战略性技术，而人工神经网络技术(Artificial Neural Network,ANN)则是人工智能领域最为重要的基础与核心技术之一。人工神经网络是一种受生物神经系统启发而构建的计算模型，通过模拟神经元之间的连接与信息传递机制，实现对复杂非线性关系的学习与建模。伴随着人工智能技术的飞速发展，人工神经网络已从早期的单层感知器发展为涵盖卷积神经网络、循环神经网络、生成对抗网络、图神经网络等在内的强大技术体系，广泛应用于图像识别、自然语言处理、智能控制、时序预测等关键领域。理解人工神经网络技术，不仅有助于理解现代智能系统的工作原理，更是参与人工智能时代创新实践的基本能力。无论是在科研探索中构建新型算法，还是在工程实践中解决真实世界的复杂问题，抑或是在跨学科场景中融合领域知识与数据驱动方法，人工神经网络都提供了强大的工具支撑和方法论基础。因此，掌握人工神经网络的基本原理与工程实践能力，已成为人工智能及相关专业人才不可或缺的核心素养。 为帮助读者高效、系统地掌握这一关键技术，本书以“理论适度、案例驱动、循序渐进、注重实践”为编写理念，构建了一条从基础认知到工程应用的清晰学习路径。全书强调“做中学”，通过真实应用场景引导技术学习，每章均围绕典型任务设计完整案例，支持读者复现、调试与拓展。同时，本书弱化繁复的数学推导，聚焦核心概念的理解与工具链的熟练使用，既便于教师开展项目式教学，也适合学生自主学习与动手实践。我们期望通过本书，帮助读者建立起扎实的人工神经网络知识体系...