Neural network merupakan salah satu metode yang digunakan di dalam pengenalan pola. Pola-pola yang dapat dikenali terbatas pada jumlah variasi pola dan arsitektur neural network itu sendiri. Pada umumnya, jumlah variasi yang sangat besar akan mengurangi ketelitian neural network dalam pengenalan. Oleh karena itu, riset ini akan menguji sebuah metode penggabungan lebih dari satu

neural network (multi-neural-network) untuk mengenali pola yang cukup bervariasi. Sebagai data percobaan, riset ini akan menggunakan data berupa gambar karakter yang akan dikonversi menjadi kode ASCII yang bersesuaian. Untuk mencapainya, gambar karakter akan dipecah menjadi beberapa bagian sesuai ukuran pixel-nya kemudian tiap bagian akan dilatih di dalam neural network yang berlainan dengan menggunakan metode Backpropagation. Output pelatihan dari tiap-tiap bagian akan dilatih ke dalam neural network lain yang berada satu tingkat di atasnya. Hasil yang diharapkan adalah dengan menggunakan metode ini semakin banyak variasi pola huruf yang dikenali jika dibandingkan dengan menggunakan satu neural network saja. read more