本书针对BP网络存在的某些基本问题，提出用新概念广义复相关系数R。定量描述样本集的复杂性；建立含参数的BP网络检测误差E的定量关系表达式；导出具有最佳泛化能力的BP网络隐节点数H与样本集的R之间满足的关系式；给出BP网络泛化能力与学习能力之间满足的几种形式的过拟合不确定关系式；指出改进BP网络泛化能力的最佳停止训练法。同时，还提出基于规范变换的前向神经网络普适评价模型和与相似样本误差修正法相结合的普适预测模型，并对模型的普适性和可靠性及同型规范变换的预测模型之间的兼容性和等效性进行数学论证。本书中规范变换的思想及方法对其他学科、领域的研究有借鉴和启迪作用。
本书可供人工智能、神经网络、电子工程、信息科学、计算机科学、系统工程及环境科学与工程等学科、专业博士、硕士研究生阅读，亦可供高校教师和科研院所的科研及管理人员参考。