Les réseaux de neurones formels sont des opérateurs modulaires non linéaires permettant de résoudre de nombreux problèmes industriels de modélisation, de commande de processus, et de reconnaissance des formes. Cet ouvrage introduit les outils algorithmiques et statistiques nécessaires à leur mise en oeuvre efficace. Afin d'aider le concepteur à décider de la pertinence de leur utilisation, les réseaux de neurones sont situés par rapport à des opérateurs plus simples, comme des polynômes ou des sommes de gaussiennes. Les propriétés de ces derniers sont exposées, avant d'être étendues aux réseaux de neurones.

L'apprentissage des réseaux de neurones, autrement dit l'estimation de leurs paramètres, est exposé de façon unifiée et détaillée, aussi bien pour des modèles statiques ou des classifieurs, que pour des modèles dynamiques ou des correcteurs. Cette présentation est complétée par l'évaluation de la confiance à accorder aux estimations des réseaux.

Enfin, une large place est consacrée au problème central de la sélection des entrées significatives et de l'architecture optimale d'un réseau de neurones.

L'ouvrage s'adresse aux ingénieurs et aux chercheurs intéressés par la mise en oeuvre des réseaux de neurones formels, ainsi qu'aux étudiants de DEA et d'écoles d'ingénieurs.