각 장은 이론과 예제, 결과 요약, 문제 풀이, 맺음말, 참고 문헌, 연습문제로 이뤄진 6개의 절로 나뉘어 있다. ‘이론과 예제’ 절은 각 장의 본문으로 기본 아이디어 개발 과정과 (여기 왼쪽의 아이콘으로 표시되는) 예제를 포함한다. ‘결과 요약’ 절은 주요 방정식과 개념을 쉽게 참고할 수 있게 했다. 각 장의 1/3 정도는 ‘문제 풀이’ 절에 할애돼 있으며 여기서는 주요 개념에 대한 자세한 예제를 제공한다.
1장부터 6장까지는 뒷부분에 필요한 기본 개념을 다룬다. 1장은 이 책에 대한 소개와 함께 간단한 역사적 배경과 기초 생물학에 관한 내용으로 구성돼 있다. 2장은 기본 신경망 구조를 설명하고, 이 책에서 사용하는 표기법을 정의한다. 3장은 세 종류의 신경망을 사용해 간단한 패턴 인식 문제의 해결 방법을 보여준다. 이들은 이 책에서 제시하는 모든 종류의 네트워크를 대표하는 네트워크다. 또한 이 책에서는 3장에서 제시한 패턴 인식 문제를 공통의 경험적 맥락으로 제공한다.
이 책은 대부분의 다양한 작업을 수행하기 위한 신경망 훈련 방법에 초점이 맞춰져 있다. 4장에서는 학습 알고리즘이 무엇인지 소개하며, 최초의 실용적 학습 알고리즘인인 퍼셉트론 학습을 제시한다. 퍼셉트론 네트워크는 근본적인 한계가 있지만 역사적으로 매우 중요하며, 이후에 제시되는 좀 더 강력한 네트워크에 적용되는 주요 개념을 소개할 때 매우 유용하게 사용된다.
주요 목표 중 하나는 신경망의 작동 방식을 설명하는 것이다. 따라서 신경망 주제와 관련된 주요 내용을 함께 엮어서 소개할 것이다. 예를 들어, 신경망 이해를 위한 핵심 수학이라고 할 수 있는 선형대수는 5장과 6장에서 복습한다. 여기서 논의되는 개념은 이 책에서 광범위하게 사용된다.
7장, 15장은 생물학과 심리학에서 많은 영감을 받은 네트워크에 대해 설명하며, 이에 대한 학습 규칙도 설명한다. 이 네트워크는 연상 네트워크(associative network)와 경쟁 네트워크(competitive network) 범주에 속한다. 연상 네트워크는 7장, 경쟁 네트워크는 15장에서 다룰 것이다.
8~14장, 16장은 성능을 최적화하기 위해 네트워크를 훈련시키는 성능 학습(performance learning)을 다룬다. 8장, 9장은 성능 학습의 기본 개념을 소개한다. 10~13장은 점점 강력해지고 복잡해지는 피드포워드 신경망(feedforward neural network)에 성능 학습의 개념을 적용하며, 14장은 동적 네트워크(dynamic network)에, 16장에서는 경쟁 학습 개념을 사용하는 사형 기저 네트워크(radial basis network)에 성능 학습의 개념을 적용한다.
네트워크 종류별 기초와 학습 규칙에 집중해 핵심 개념을 이해하는 데 중점을 둔 이전 장들과는 달리, 17~22장은 신경망을 실제 문제에 적용하면서 발생하는 실질적인 이슈에 대해 논의한다. 17장은 여러 가지 실용적인 훈련 팁을 설명하며, 18~22장은 사례 연구를 제시한다. 사례 연구에서는 신경망을 함수 근사, 확률 추정, 패턴 인식, 클러스터링, 예측에 관한 실제 문제에 적용한다.