Secara garis besar buku ini membahas tentang algoritma dan aplikasi terkait dengan integrasi antara sistem fuzzy dan jaringan syaraf. Untuk memberikan pemahaman awal tentang sistem hybrid tersebut. Buku ini diawali dengan pembahasan tentang teori himpunan fuzzy dan jaringan syaraf. Pada bagian-bagian selanjutnya akan dibahas beberapa metode disertai dengan contoh-contoh tentan Fuzzy Neural Network (FNN). Neural Fuzzy System (NFS) dan Adaptive Neoro-Fuzzy Inference System (ANFIS). Buku ini tersususn atas 6 bab, yaitu Bab 1 memberikan gambaran tentang soft computing dan beberapa aplikasi yang telah dikembangkan. Bab 2 membahas tentang teori himpunan fuzzy. Pada bagian ini akan dijelaskan konsep dasar himpunan fuzzy, perbedaan antara himpunan crisp dan himpunan fuzzy, fungsi keanggotaan, oprattor-operator fuzzy dan sistem inferensi fuzzy menggunakan metode Tsukamoto dan metode Sugeno. Kedua metode inferensi ini nantinya akan digunakan sebagai dasar bagi jaringan adaptif yang akan dibahas pada bab 6. Bab 3 membahas mengenai jaringan syaraf tiruan. Dijelaskan tentang komponen-komponen dasar jaringan syaraf, dan beberapa algoritma pembelajaran seperti Hebb, Perceptron, Backpropagation dan Bidirectional Associative memory (BAM). Algoritma-algoritma pembelajaran tersebut nanti akan digunakan sebagai dasar untuk beberapa model FNN dan NFS yang akan dibahas pada bab 4 dan bab 5. Bab 4 membahas mengenai Fuzzy Neural network (FNN). Dijelaskan bahwa Neuron Fuzzy, jaringan syaraf dengan input fuzzy dan beberapa algoritma pembelajaran yang terfuzzykan, seperti Perceptron, Fuzzy Backpropagation, Fuzzy Rule, Fuzzy Associative Memory (FAM) dan Fuzzy Learning Vector Quantization (FLVQ). Bab 5 Neural Fuzzy Systems (NFS). Dijelaskan bahwa aplikasi jaringan syaraf dalam membentuk fungsi keanggotaan, jaringan syaraf sebagai pengendali penalaran fuzzy, Rule-Based Neural Fuzzy Modeling, dan Interval Regresi Fuzzy. Bab 6 m,embahas mengenai Adaptif Neuro-Fuzzy Inference System (ANFIS). Dijelaskan tentang jaringan adaptif, leasen squares estimator (LSE) rekursif, dan algoritma pembelajaran hybrid (gabungan antara LSE rekursif dengan Algoritma Steepest Descent, baik dengan metode Sugeno maupun metode Tsukamoto. //Yeni
