Kesimpulan dari jurnal “Integration of ART-Kohonen Neural Network and Case-Based

Reasoning for Intelligent Fault Diagnosis” :

Jurnal ini telah dipresentasikan sistem hybrid melalui synthesizing ART-KNN dan CBR untuk
menangani insinyur langka dan masalah yang dihadapi lainnya dalam proses diagnosis yang
sebenarnya. Ketika memecahkan masalah baru, jaringan saraf digunakan untuk membuat hipotesis
dan untuk memandu CBR modul dalam mencari kasus serupa sebelumnya yang mendukung salah
satu hipotesis. Pengetahuan yang diperoleh oleh jaringan ditafsirkan dan dipetakan ke dalam
deskriptor diagnosis simbolik, yang disimpan dan digunakan oleh sistem untuk menentukan
apakah jawaban final kredibel, dan membangun penjelasan untuk penalaran yang dilakukan. ART-
KNN, sintesis teori ART dan strategi pembelajaran KNN, dapat memecahkan dilema plastisitas-
stabilitas jaringan saraf konvensional. Hal ini dapat melakukan 'on-line' pelatihan tanpa melupakan
pola sebelumnya dilatih (training stabil), dan recode sebelumnya dilatih kategori adaptif terhadap
perubahan lingkungan dan mengorganisir diri, yang berbeda frommost jaringan yang hanya dapat
dilakukan off-line. Sistem ini divalidasi oleh kasus kesalahan untuk motor listrik yang
dikumpulkan dari sejarah kasus. Hasil penelitian menunjukkan tingkat keberhasilan bisa mencapai
97%. Hal ini menunjukkan bahwa sistem ini layak, dan menjanjikan untuk bidang lain.