Secara garis besar, buku ini membahas tentang algoritma dan aplikasi terkait dengan integrasi antara system fuzzy dan jaringan syaraf. Untuk memberikan pemahaman awal tentang system htbrid 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 tentang Fuzzy Neural Network (FNN), Neural Fuzzy System (NFS) dan Adaptive Neuro-Fuzzy Inference Systems (ANFIS). Buku ini tersusun 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, perbedaaan antara himpunan crisp dan himpunan fuzzy, fungsi keangotaan, operator-operator fuzzy, dan system inferensi fuzzy menggunakan metode Tsukamoto dan metode Sugeno. Kedua metode inferensi tersebut nantinya akan digunakan sebagai dasar bagi jaringan adaptif yang akan dibahas pada bab 6. Bab 3 membahas tentang jaringan syaraf tiruan. Pada bagian ini akan dijelaskan tentang komponen-komponen dasar jaringan syaraf, dan beberapa algoritma pembelajaran seperti Hebb, Percepton, Backpropagation dan Bidirectional Associative Memory (BAM). Algoritma-algoritma pembelajaran tersebut nantinya akan digunakan sebagai dasar untuk beberapa model FNN dan NFS yang akan dibahas pada bab 4 dan bab 5. Bab 4 membahas tentang Fuzzy Neural Network (FNN). Pada bagian ini akan dijelaskan tentang Neuro Fuzzy, jaringan syaraf dengan input fuzzy, dan beberapa algoritma pembelajaranyang terfuzzykan, seperti Fuzzy Perceptron, Fuzzy Backpropagation, Fuzzy Rule, FuzzyAssociative Memory (FAM) dan fuzzy Learning Vector Quantization (FLVQ). Bab 5 Neural Fuzzy Systems (NFS). Pada bagian ini akan dijelskan aplikasi jaringan syaraf dalam membentuk fungsi keanggotaan, jaringan syaraf sebagai pengendali penalaran fuzzy, Rule-Based Neural Fuzzy Modeling, dan Interval Regresi Fuzzy. Bab 6 Adaptive Neuro-Fuzzy Inference Systems (ANFIS). Pada bagian ini akan dijelaskan tentang jaringan adaptif, least squares estimator (LSE) rekursif, dan algoritma pembelajaran hbbrid (gabungan antara LSE rekursif dengan Algoritma Steepest Descent), baik dengan metode Sugeno maupun metode Tsukamoto. Buku ini dilengkapi dengan contoh-contoh dan kasus-kasus yang relevan dengan topic yang dibahas pada setiap bab. Di samping itu, setiap metode yang dibahas juga disertai dengan kode program yang ditulis dengan software MATLAB, yang diberikan pada setiap bab.