Jaringan Neural ART; Dilengkapi dengan Contoh Implementasi

Jaringan neural yang dibahas pada buku ini dikembangkan oleh Stephen Grossberg dan Gail Carpenter pada tahun 1987. Berbasis kompetisi dan menggunakan model pembelajaran tanpa pengawasan. Teori Resonansi Adaptif Jaringan ART, seperti namanya, selalu terbuka untuk pembelajaran baru yang adaptif tanpa kehilangan pola resonansi yang lama. Pada dasarnya, jaringan ART adalah pengklasifikasi vektor yang menerima vektor input dan mengklasifikasikannya ke dalam salah satu kategori tergantung pada pola tersimpan mana yang paling mirip. Selanjutnya jaringan neural ART berkembang menjadi dua tipe yang dikenal sebagai ART1 dan ART2. Perbedaan dari kedua tipe adalah terletak pada data input yang bersifat biner dan kontinu. ART mudah dipelajari dan diimplementasikan karena kesederhanaannya. Buku ini terfokus pada materi ART, terdiri dari tiga bab, dimana bab 1 dan bab 2 membahas teori ART1 dan ART2 sebagai dasar untuk memahami cara kerja jaringan neural ART sehingga dapat diimplementasikan secara efektif, bab 3 membahas contoh implementasi ART sebagai pengidentifikasi nomor plat kendaraan. Dua lampiran bersifat pelengkap, yaitu materi Hamming yang ada kemiripan dengan prinsip ART sebagai perbandingan, dan program C untuk ART.