Sinopsis
Jaringan saraf berulang atau recurrent merupakan salah satu model jaringan saraf tiruan yang mempunyai peran besar dalam menangani masalah keadaan nonlinear, dimana keluaran memiliki ketergantungan pada variabel waktu, artinya data sebelumnya ikut berperan terhadap keluaran berikutnya. Buku ini menyajikan enam bab mengenai jaringan saraf recurrent atau disingkat RNN (recurrent neural network), dimana tiga bab pertama menekankan desain dan tiga bab terakhir menekankan masalah implementasi, yaitu lewat contoh-contoh implementasi. Bagian tiga bab pertama berkonsentrasi pada ide-ide untuk desain alternatif dan kemajuan dalam aspek teoritis jaringan saraf recurrent. Pembahasan menekankan pada aspek peningkatan kinerja jaringan saraf recurrent yang berkaitan dengan membangun arsitektur jaringan saraf recurrent, algoritma pembelajaran atau pelatihan yang diterapkan pada jaringan saraf recurrent dan masalah kestabilan jaringan saraf recurrent. Kemudian tiga bab lainnya menekankan pada pembahasan solusi real-time dari masalah optimasi dan metode terpadu untuk merancang model jaringan saraf optimasi dengan konvergensi global.