An autonomic system for updating a fuzzy neural network includes a process of calculating an estimated value based on fuzzy inference by using a neural network structure, wherein a parameter to be adjusted or identified by fuzzy inference and outputted from the neural network is made to correspond to coupling loads which are updated by learning, i.e., fuzzy rules and membership functions are adjusted by learning. This system is characterized in that the addition and deletion of fuzzy rules are conducted based on changes in output errors in an autonomic manner, thereby effectively obtaining appropriate numbers of fuzzy rules optimal for an object such as a vehicle engine having strong non-linearity. Fuzzy rules are formed by a combination of membership functions representing variables such as an engine speed and a throttle angle.

Un système autonome pour mettre à jour un réseau neurologique brouillé inclut un processus de calculer une valeur estimée basée sur l'inférence brouillée en employant une structure de réseau neurologique, où un paramètre à ajuster ou être identifié par inférence brouillée et outputted du réseau neurologique est fait pour correspondre aux charges d'accouplement qui sont mises à jour par l'étude, c.-à-d., des règles et les fonctions brouillées d'adhésion sont ajustées par l'étude. Ce système est caractérisé parce que l'addition et la suppression des règles brouillées sont conduites ont basé sur des changements des erreurs de rendement d'une façon autonome, obtenant de ce fait efficacement des nombres appropriés des règles brouillées optimales pour un objet tel qu'un moteur de véhicule ayant la non-linéarité forte. Des règles brouillées sont constituées par une combinaison des fonctions d'adhésion représentant des variables telles qu'une vitesse de moteur et un angle de commande de puissance.