La nivel macroeconomic, autorii demonstrează, pe baza ultimelor rezultate în cercetările mondiale asupra dinamicilor economice, importanța cunoașterii unor comportamente neașteptate, ciudate (dinamici de tip punct șa, de tip bifurcații Hopf etc.), care fac inoperante politicile clasice de reglare macroeconomică prin pârghii de politică fiscală sau monetară.
Prezentul volum, ca și celelalte două anterioare, sunt racordate la o bogată bibliografie de specialitate pe plan mondial.

Lucrarea este concepută în ideea de a veni în sprijinul tuturor celor care doresc să cunoască aspecte mai mult sau mai puţin analitice referitoare la ştiinţa micro- şi macroeconomică, din perspectiva aplicării calculului neuronal.

Lucrarea Algoritmi de optimizare în mediul R. Teorie şi aplicaţii economice este structurată astfel, încât să constituie un bun suport pentru toţi cei interesaţi de abordările speciale ale tehnicilor de optimizare, în special din sfera economică.

Cartea este o sinteză a principalelor direcţii de cercetare în domeniul teoriei deciziei pe plan internaţional, reprezentând, în aceeaşi măsură, o contribuţie originală. Autorii ilustrează, într-o manieră creativă, pedagogică, modelele probabilistice, criteriile, axiomele, formulele etc., necesare în fundamentarea deciziilor, bazându-se pe analize, exemple şi contraexemple, interpretări geometrice şi grafice foarte bine realizate.

Prin inteligenţă artificială (AI-Artificial Intelicence) se înțelege orice tehnică care permite calculatoarelor să imite comportamentul uman, inclusiv învăţarea maşinii, procesarea limbajului natural (NLP), sinteza limbajului, „viziunea” computerului (programarea computerului pentru a„vedea”), robotica, analiza senzorilor, optimizarea şi simularea.
În acest context, Machine Learning (ML – învăţarea automată) constituie un subset de tehnici de AI care permite sistemelor informatice să „înveţe” din experienţa anterioară (adică din observaţiile de date), având ca efect îmbunătăţirea operaţiunilor pentru o anumită sarcină. Tehnicile ML includ Support Vector Machines (SVM), arbori de decizie, învăţare Bayes, k-means clustering, reguli de asociere, regresie, reţele neuronale şi multe altele.