Answers:
如果您想要一本关于神经网络的非常简单的基础书籍，而又不完全是机器学习，则可以尝试：
这2本书是基础且非常简单的书，它们从零开始，并通过简单的示例手工显示了计算。这些都是基于实际应用的书籍。
如果您想加强理论并全面学习机器学习，尤其是关于模式识别，那么最好的书是：
本书要求具备良好的数学知识，尤其是在概率论，线性代数和微积分领域。
关于神经网络的另外两本非常理论的书是：
根据我的经验，这些是最好的入门书籍。您还可以查看由edx.org运行的各种OCW，例如数据科学的机器学习，以及由斯坦福大学的 Andrew Ng教授在Machinera.org上强烈推荐的课程
我还建议您学习Python或R，因为它们具有强大的科学功能，因此最常用于机器学习。与C / C ++相比，Python非常易于学习和实现程序。
编辑：忘记这本书。尽管有些高级，但一些用户可能会发现它很容易：
您可以观看Google制作的《机器学习教程》。它的简单和沟通很明确。在6个视频中，您可以获得良好的机器学习经验。
只需在Coursera上参加Andrew Ng的（旧）机器学习课程，或者在Udacity上与Sebastian Thrun和Katie Malone一起参加机器学习课程。或两者。这是获得机器学习基础知识的良好而扎实的快速方法。然后在http://ai.berkeley.edu网站上的课堂上查看材料，并阅读《人工智能-一种现代方法》。如果您做到了这一点，那么您将有能力继续发展自己感兴趣的任何事物。
还要记住，您不能完全脱离该领域所涉及的数学。如果您还没有多变量演算，概率和线性代数（主要是矩阵运算）的背景知识，那么您可能需要了解这些知识。
您可以在此处观看Google制作的机器学习教程：Hello World-机器学习食谱＃1。它的简单和沟通很明确。
编写您的第一个机器学习程序只需要六行Python！在这一集中，我们将简要介绍什么是机器学习及其重要意义。然后，我们将遵循监督学习的秘诀（一种通过示例创建分类器的技术）并将其编码。
迈克尔·尼尔森（Michael Nielson）的著作《神经网络和深度学习》（Neural Networks and Deep Learning）是一本极好的在线书籍，其中对如何构建神经网络进行了全面的介绍和培训。在第一章中，他以识别手写数字为例，介绍了感知器，S型神经元，基本神经网络，如何在Python中进行编码等。随后的章节将更深入地介绍神经网络的基本概念。
我什至向已经有神经网络经验的人推荐这本书。这是一个很棒的资源。