金屬合金材料設計這種模型輸出層可以由所需的輸出數(shù)確定。主要問題是指定隱藏層中的神經(jīng)元數(shù)量。傳統(tǒng)的矩陣算法認為矩陣維數(shù)必須等于輸入數(shù)或輸出數(shù)。不幸的是，沒有數(shù)學測試能最有效地在隱藏層中找到多少神經(jīng)元。應該采用試錯法來做出決定。金屬合金材料設計這種模型在人工神經(jīng)網(wǎng)絡的學習過程中，輸入來自外部環(huán)境;反應輸出通過激活函數(shù)產(chǎn)生。這個輸出再次與經(jīng)驗給出的輸出進行比較。通過各種學習算法可以發(fā)現(xiàn)錯誤，并試圖接近實際輸出。一般將80%的樣本給網(wǎng)絡，對網(wǎng)絡進行訓練。然后給出剩下的20%，并檢查網(wǎng)絡的行為。因此，對網(wǎng)絡進行了測試。

金屬合金材料設計這種模型是尋找網(wǎng)絡想要學習的事件中已經(jīng)發(fā)生的例子的步驟。由于采集樣本是為了訓練網(wǎng)絡(訓練集)，所以必須采集樣本測試集來測試網(wǎng)絡。學習網(wǎng)絡事件后，通過展示測試集中的例子來衡量網(wǎng)絡的性能。他從未見過這樣的例子，但他成功地推翻了這些例子，這表明該網(wǎng)絡是否學得很好。ANFIS是一種基于模糊推理系統(tǒng)的人工神經(jīng)網(wǎng)絡。這項技術是在20世紀90年代早期發(fā)展起來的。各種方法已經(jīng)發(fā)展，金屬合金材料設計這種模型以提高模糊系統(tǒng)的有效性，并有助于自適應技術。其中之一是ANFIS技術，其中的識別過程是執(zhí)行一個模糊模型，其操作發(fā)生在自適應網(wǎng)絡結構。

金屬合金材料設計神經(jīng)自適應學習技術允許開發(fā)一種模型，通過使用模糊建模過程中的數(shù)據(jù)集來“學習”系統(tǒng)。用于系統(tǒng)識別的模糊模型由于其自適應的網(wǎng)絡結構，具有利用系統(tǒng)的環(huán)境信息和與系統(tǒng)相關的輸入輸出數(shù)據(jù)進行自我更新的能力。本質上，ANFIS結構由模糊系統(tǒng)作為具有神經(jīng)學習能力的網(wǎng)絡結構的表示組成。該網(wǎng)絡由多個節(jié)點組成，每個節(jié)點按層排列，以執(zhí)行某種功能。模糊推理系統(tǒng)的隸屬度函數(shù)的選擇是任意的，它取決于用戶。金屬合金材料設計這種模型成員函數(shù)的形式也取決于參數(shù)。然而，很難注意到某些形式的隸屬度函數(shù)是如何基于某些模型中的數(shù)據(jù)的。