Durch die Anwendung rückbezüglicher neuronaler Netze läßt sich die Leistungsfähigkeit konventioneller Technologien der digitalen Datenverarbeitung signifikant erhöhen. Von besonderer Bedeutung ist dies für komplexe Aufgaben, wie z.B. die mobile Kommunikation, die Robotik und die Medizintechnik. Das Buch faßt Originalarbeiten zur Stabilität neuronaler Netze zusammen und verbindet streng mathematische Analysen mit anschaulichen Anwendungen und experimentellen Belegen.
Danilo Mandic from the Imperial College London, London, UK was named Fellow of the Institute of Electrical and Electronics Engineers in 2013 for contributions to multivariate and nonlinear learning systems.
Jonathon A. Chambers is the author of Recurrent Neural Networks for Prediction: Learning Algorithms, Architectures and Stability, published by Wiley.