در سالهای اخیر باتوجه به توانایی های محاسباتی و قابلیت یادگیری شبکه های عصبی، بکارگیری آنها در زمینه های مختلف با شتاب زیادی شروع شده و ادامه دارد. یکی از این زمینه های فعال، سیستم های کنترل می باشد. بدین معنی که شبکه های عصبی در تعیین هویت و کنترل واحد کنترل شونده و بطور کلی طراحی کننده های وفقی نقش بارز خود را نشان داده اند. اقدامات قبلی که در این مورد از طرف محققین صورت گرفته، جملگی با مشکل لزوم صرف زمان زیاد برای تربیت شبکهء عصبی، در کنترل پروسس های غیرخطی روبرو بوده اند. در این رساله ابتدا با دقیق شدن در ساختارهای موجود شبکه های عصبی و روش های یادگیری آنها، ساختار جدیدی که مشکل زمان یادگیری را برای حل مسائل مورد نظر این رساله تا حد زیادی برطرف کند، بدست آورده می شود. سپس ساختار مزبور در تعیین هویت و کنترل سیستم های غیرخطی بکار گرفته می شود. جهت تائید برتری ساختار جدید نسبت به ساختارهای متداول از لحاظ زمان یادگیری، موفقیت ساختار مزبور در کنترل وفقی سیستم های غیرخطی متغیر با زمان نشان داده می شود. در موارد لزوم نتایج شبیه سازی به عنوان مکمل بحث ارائه می گردند.