《基函数神经网络及应用》是作者10余年来基于函数逼近论与神经生物学的相关知识，在前向神经网络理论与应用方面取得的系列研究成果的总结以及对一些最新进展的介绍和展望。《基函数神经网络及应用》主要内容包括神经元激励函数的选取、正交基函数神经网络的建模、相关学习算法的设计、网络拓扑结构的最优化、正交基函数神经网络的硬件实现及该类神经网络在系统辨识、滤波器设计、非线性预测、信息加密、入侵检测和模型算法控制(MAC)中的应用。最后探讨了任意基函数前向神经网络的建模机理，构造了基函数前向神经网络通用模型，推导出相应的学习算法公式。书中各章既有相关性又具相对独立性，既便于读者总体阅读也便于选择性阅读。相关章节的附录也给出了基于MATLAB的程序代码。
《基函数神经网络及应用》适合高等院校信息学科各专业(如人工智能、自动控制、电子信息技术、网络工程、计算机科学、系统工程和软件专业等)的本科生、硕士研究生和博士研究生使用，同时也可供广大IT行业及相关工程行业(如芯片设计与制造、资讯安全和机械电子等)的科技人员、专业人士和感兴趣的数学类学者参考。