回答:
機械学習ではなく、ニューラルネットワークに関する非常にシンプルな基本的な本が必要な場合は、次のことを試してください。
これらの2冊は、ゼロから始まり、簡単な例を使って手動で計算を示す、基本的で非常にシンプルな本です。また、これらは実際のアプリケーションベースの本です。
理論を強化し、特にパターン認識のために機械学習について包括的に学びたい場合、これまでで最も優れた本は次のとおりです。
この本は、特に確率論、線形代数、および微積分学の分野で、適切な数学的知識を必要とします。
ニューラルネットに関する他の2つの非常に理論的な本は次のとおりです。
私の経験から、これらは最高の入門書です。また、機械学習のデータサイエンスのようなedx.orgが実行するさまざまなOCW や、スタンフォード大学の Andrew Ng 機械学習教授が実行するCoursera.orgの非常に推奨されるコースも確認できます。
PythonまたはRは、強力な科学パッケージのために機械学習で主に使用されているため、学ぶことをお勧めします。Pythonは、C / C ++と比較して、プログラムの学習と実装が非常に簡単です。
編集：この本を忘れました。ただし、少し進んだ方でも簡単に理解できる場合があります。
Googleが作成した機械学習チュートリアルをご覧いただけます。そのシンプルでコミュニケーションは非常に明確です。6本の動画で、機械学習の優れた体験を得ることができます。
CourseraでAndrew Ngの（古い）Machine Learningクラスを受講するか、UdacityでSebastian ThrunとKatie MaloneのMachine Learningクラスを受講してください。または両方。これは、機械学習の基本をしっかりと理解するための非常に迅速な方法です。次に、http：//ai.berkeley.eduサイトのクラスの資料を見て、人工知能-現代のアプローチをお読みください。あなたがそれを乗り越えるならば、あなたはあなたがあなたが興味を持っているどんなものにでも進むためによく置かれるでしょう。
また、フィールドに関連する数学から完全に離婚することはできないことにも注意してください。多変数計算、確率、および線形代数（主に行列演算）の背景がまだない場合は、その要素に重点を置く必要があります。
Googleが作成した機械学習チュートリアルは、Hello World-Machine Learning Recipes＃1でご覧いただけます。そのシンプルでコミュニケーションは非常に明確です。
6行のPythonで、最初の機械学習プログラムを作成できます。このエピソードでは、機械学習とは何か、なぜそれが重要なのかを簡単に紹介します。次に、教師あり学習のレシピ（例から分類子を作成する手法）に従ってコードを記述します。
ニューラルネットワークを構築する方法の完全な紹介とトレーニングを提供する優れたオンラインブックには、Michael NielsonによるNeural Networks and Deep Learningがあります。最初の章では、手書きの数字を認識する例を使用して、パーセプトロン、シグモイドニューロン、基本的なニューラルネット、それらをPythonでコーディングする方法などについて説明します。以降の章では、ニューラルネットの基本的な概念について詳しく説明します。
この本は、ニューラルネットワークの経験がある方にもお勧めします。すばらしいリソースです。