在上一节中，我们讨论了大量关于神经网络的理论知识，如果读者初次接触此方面的内容，可能会感到有些困惑。在进一步讨论多层感知器模型的权重学习算法（反向传播算法）之前，先将理论学习暂停片刻，看一下神经网络在实际中的应用。
神经网络理论可以说是相当复杂的，因此作者推荐额外的两篇文献，它们更加详细地讨论了本章介绍过的一些概念：
·T.Hastie,J.Friedman,and R.Tibshirani.The Elements of Statistical Learning,Volume 2.Springer,2009.
·C.M.Bishop et al.Pattern Recognition and Machine Learning,Volume 1.Springer New York,2006.
在本节中，通过在MNIST数据集（Mixed National Institute of Standards and Technology数据集的缩写）上对手写数字的识别，来完成我们第一个多层神经网络的训练。MNIST数据集由Yann LeCun等人创建，是机器学习算法中常用的一个基准数据集[1]。
[1] Y.LeCun,L.Bottou,Y.Bengio,and P.Haffner.Gradient-based Learning Applied to Document Recognition.Proceedings of the IEEE,86(11):2278-2324,November 1998.