金属合金资料设计这种模型输出层能够由所需的输出数确定。重要问题是指定暗藏层中的神经元数量。传统的矩阵算法以为矩阵维数必须等于输入数或输出数。不幸的是，，，没罕见学测试能最有效地在暗藏层中找到几多神经元。应该选取试错法来做出决定。金属合金资料设计这种模型在人为神经网络的学习过程中，，，输入来自外部环境;反映输出通过激活函数产生。这个输出再次与经验给出的输出进行比力。通过各类学习算法能够发现谬误，，，并试图靠近现实输出。通常将80%的样本给网络，，，对网络进行训练。而后给出剩下的20%，，，并查抄网络的行为。因而，，，对网络进行了测试。

金属合金资料设计这种模型是寻找网络想要学习的事务中已经产生的例子的步骤。由于采集样本是为了训练网络(训练集)，，，所以必须采集样本测试集来测试网络。学习网络事务后，，，通过展示测试集中的例子来衡量网络的机能。他从未见过这样的例子，，，但他成功地颠覆了这些例子，，，这批注该网络是否学得很好。ANFIS是一种基于模：评硐低车娜宋窬纭Ｕ庀罴际跏窃20世纪90年代早期发展起来的。各类步骤已经发展，，，金属合金资料设计这种模型以提高模：低车挠行，，，并有助于自适应技术。其中之一是ANFIS技术，，，其中的鉴别过程是执行一个模：Ｐ，，，其操作产生在自适应网络结构。

金属合金资料设计神经自适应学习技术允许开发一种模型，，，通过使用模：９讨械氖菁础把啊毕低场Ｓ糜谙低呈洞送饽：：Ｐ陀捎谄渥允视Φ耐缃峁，，，拥有利用系统的环境信息和与系统有关的输入输出数据进行自我更新的能力。性质上，，，ANFIS结构由模：低匙魑涤猩窬澳芰Φ耐缃峁沟陌凳咀槌伞８猛缬啥喔鼋诘阕槌，，，每个节点按层分列，，，以执行某种职能。模：评硐低车拇邮舳群难≡袷撬烈獾，，，它取决于用户。金属合金资料设计这种模型成员函数的大局也取决于参数。然而，，，很难把稳到某些大局的从属度函数是若何基于某些模型中的数据的。