در این پروژه از شبکه عصبی به عنوان مدل پیش بین در کنترل کننده پیش بین غیرخطی استفاده شده است. هدف پروژه آن است که تنظیم برخی از پارامترهای کنترل کننده که با توجه به تجربه طراح تعیین می شود، به صورت اتوماتیک انجام شود. در این پروژه دو موضوع بررسی شده است. موضوع اول، انتخاب یک ساختار بهینه برای شبکه عصبی است. شبکه های عصبی به دلیل خاصیت تقریب جامع خود بسیار پرکاربرد هستند. اما تعیین یک ساختار مناسب برای شبکه هنوز به صورت یک مساله حل نشده باقی مانده است. برای یک شبکه عصبی دو لایه تعیین ساختار با تعداد نرون های لایه پنهان صورت می گیرد. در این پروژه روشی برای تعیین تعداد نرون های لایه پنهان با استفاده از داده های ورودی و خروجی ارائه شده است. این روش بر مبنای فرمول بارون، تست های غیر خطی گری و روش شناسایی تابع توصیفی است. روش ارائه شده به نوعی ارتباط دهنده مشخصات طیفی سیگنال آموزش به پیچیدگی مدل به کار رفته برای نمایش آن است و یک باند بالا بر روی تعداد نرون ها مشخص می کند. موضوع دوم، تنظیم ماتریس های وزنی موجود در ساختار کنترل کننده است. این ماتریس های وزنی میزان اهمیت خطا بین مسیر مرجع و خروجی سیستم را به سیگنال کنترلی نشان می دهند و بر روی پایداری و رفتار حلقه بسته بسیار تاثیر گذار هستند. در این پروژه یک الگوریتم فازی برای تنظیم ضریب سیگنال ورودی ارائه شده است. در این الگوریتم از چگونگی اثرگذاری این پارامتر بر رفتار حلقه بسته برای تنظیم قواعد فازی استفاده شده است.