Jaringan syaraf tiruan banyak digunakan pada aplikasi pengenalan pola, di antaranya untuk pengenalan objek 3 dimensi. Metode pengenalan objek 3 dimensi melalui citra 2 dimensi dari berbagai sudut pandang telah dikembangkan dengan cara memodifikasi arsitektur lapis tersembunyi pada jaringan multi-layer perceptron menjadi bentuk silindaris dengan menggunakan metode pelatihan propagasi balik yang dikenal dengan Cylindrical Hidden Multi-Layer Percpetron Back Propagation (CHMLP-BP). Metode ini melibatkan pasangan berarah antra ventor sudut pandang terhadap objek dengan vektor posisi neuron pada lapis tersebunyi yang diabstraksikan ke dalam konstata yang akan berperan dalam proses pelatihan maupun penganalan. Pengembangan lebih lanjut pada CHMLP-BP ini adalah memodifikasi arsitektur sub lapis tersembunyi darai bentuk silindris menjadi konsentris dan mengganti fungsi kesalahan Mean Sqauare Error menjadi Cross Entropy. Karena struktur jaringan yang didapatkan dari pengembangan ini tidak optimal, maka dilakukan optimasi struktur jaringan dengan menggunakan Algoritma Genetika sehingga diperoleh struktur jaringan yang optimal dengan tingkat pengenalan yang lebih tinggi. CHMLP-BP hanya dapat digunakan untuk mengenali objek 3 dimensi dari sudut pandang horizontal saja. Karena itu pengenalan objek 3 dimensi dari sudut pandang vertikal-horizontal membutuhkan arsitektur JST yang baru. Berdasarkan arsitektur CHMLP-BP, dikembangkan Hemisphere Strukture of Hidden Layer (HSHL) untuk mengenali objek 3 dimensi dengan sudut pandang vertikal-horizontal. Modifikasi dilakukan dengan mengubah bentuk sub lapis tersembunyi dari lingkaran menjadi setengah bola. Hal ini melibatkan pengubahan pasangan berarah yang digunakan. Pada CHMLP-BP, pasangan berarah mempresentasikan vektor pada ruang dua dimensi. Sedangkan pada HSHL mempresentasikan vektor pada ruang tiga dimensi. Karena itu rumus yang digunakan pada CHMLP-BP berbeda dengan HSHL. Pada dasarnya HSHL merupakan jaringan multi-layer perceptron yang menggunakan metode pelatihan propagasi dengan fungsi kesalahan cross entropy. Selain bentuk dasar HSHL tunggal dikembangkan pada HSHL jamak yang setiap sub lapis tersembunyinya terdiri dari beberapa lapis setengah bola dengan pusat sama.Pada eksperimen objek 3 dimensi sudut pandang vertikal-horizontal dilakukan desain eksperimen yang menggunakan konsep percentage of learning/testing paragigm yaitu perancangan eksperimen yang dibedakan menurut perbandingan antara data pelatihan dan pengujian. Sedangkan untuk eksperimen pengenalan objek 3 dimensi dari arah horizontal digunakan rancangan eksperimen yang dibuat oleh Renny. Hasil eksperimen menunjukkan bahwa HSHL tunggal mempunyai kemampuan yang terbaik dalam pengenalan objek 3 dimensi baik dari sudut pandang horizontal maupun vertikal-horizontal. Kemampuan pengenalan objek 3 dimensi sudut pandang horizontal yang tertinggi adalah 94, 4%. Hasil eksperimen juga menunjukkan bahwa dengan menggunakan prosentase data pelatihan sebesar 47 % pada arsitektur HSHL Tunggal dan jenis jaringan multiplied akan didapatkan pengenalan objek 3 dimensi sudut pandang vertikal-horizontal sebesar 84, 87%