Boken gir en grundig analyse av dagens evolusjonære maskinlæringsteknikker. Den tar for seg de mest anerkjente metodene for klassifisering, klyngedannelse, regresjon og prediksjon, og inkluderer teknikker som støttevektormaskiner, ekstreme læringsmaskiner, evolusjonært funksjonsvalg, samt ulike typer kunstige nevrale nettverk. Blant nettverksvariantene som behandles finner vi fremoverrettede nevrale nettverk, flerlagede perseptron, probabilistiske nevrale nettverk, selvoptimaliserende nevrale nettverk, radiale basisfunksjonsnettverk, rekursive nevrale nettverk, spiking nevrale nettverk, nevrale-fuzzy nettverk, modulære nevrale nettverk, fysiske nevrale nettverk og dype nevrale nettverk. Boken presenterer essensielle definisjoner, litteraturgjennomganger og opplæringsalgoritmer for maskinlæring ved bruk av både klassiske og moderne naturinspirerte teknikker. I tillegg undersøkes fordelene og ulempene ved de klassiske opplæringsalgoritmene. Den inkluderer et bredt spekter av dokumenterte og nyere naturinspirerte algoritmer som brukes til å trene forskjellige typer modeller.
