神经网络与模糊逻辑相结合，形成一种模糊神经网络技术，它是当代信息科学技术与计算智能控制领域研究的前沿和热点。它是一种模仿人脑的模糊推理的智能信息处理系统，已证明它具有很强的非线性逼近能力。因此应用神经模糊技术研究复杂非线性系统的辨识问题具有可行性，并且具有重要的理论意义和实际应用价值。 本文融合了人工神经网络、模糊推理系统、系统辨识等理论，并围绕神经网络和模糊推理的结合体——模糊神经网络，展开了深入地研究，主要完成了如下研究工作： 本文提出一种新型的带Laplace(概率密度函数)型隶属函数的模糊神经网络模型，并应用微分中值定理和Weierstrass定理证明它的通用逼近性。用这种新型的模糊神经网络模型对复杂非线性系统建模取得了很好的结果。 提出一种新型优选聚类算法，并将该算法与最小二乘法和梯度下降法相结合，形成一种新的混合学习算法。该算法能同时解决上述新型模糊神经网络模型结构和参数的辨识问题，进一步提高了模型的辨识精度。 本文对不同的非线性系统进行了仿真研究，与其它方案相比，取得了更好的实验结果。仿真结果表明了所提方案的有效性。