الانظمة العصبية الضبابية القابلة للتكيف Adaptive Neuro-Fuzzy Inference System ظهرت الانظمة الذكية في عدة من مجالات الصناعة الحديثة, مثل علم صناعة الروبوت "الانسان الالي" و انظمة التحكم بالصناعة و معظم هذه الانظمة مبنية على الية التحكم الضبابية و التي تصف نظام معقد من العلاقات الرياضية بمجموعة من العبارات اللغوية . تاتي عبارة انظمة ضبابية من حقيقة ان معظم المشاكل في الحياة العملية هي مشاكل غير واضحة المعطيات و توضح طبيعة الانسان انه قادر على القيام بوظائف متعددة بالتقريب والفكرة هنا القدرة على تلخيص كمية هائلة من المعطيات والبقاء قادرا على حل المشاكل بفعالية. كيف تعمل هذه الانظمة ؟ بافتراض ان مجموعة من المدخلات و المخرجات بحوزتنا و نود انشاء نظام ضبابي لتقريب هذه البيانات يتكون النظام من مجموعة من الاقترانات التي تبين نسبة المشاركة ""mempership function و مجموعة من القواعد ذات المتغيرات القابلة للتعديل لتضبط هذه الاقترانات . الهدف من خاصية التكيف هو انشاء نظام ضبابي محسن وهو عبارة عن القدرة على تحويل المعرفة إلى مجموعة من القيود للتقليل تعددية ابحاث الزيادة في الجودة و من وجهة الباحثين في الخلاية العصبية الصناعية هو القدرة على انشاء شبكة قادرة على التعديل الذاتي لعناصرها . بالرغم من هذه الخصائص فان هذه الانظمة بها بعض العيوب حيث انها ذات ناتج واحد وهذا يقلل عدد المشاكل التي يمكنها التعامل معها و ان شكل الاقترانات لا يتغير في عملية التعلم مما يؤدي إلى ضعف في المحاكاة. يتكون النظام من عدة طبقات كما هو موضح في الشكل التالي و لكل منها وظيفته :
الطبقة الاولى :- هي الطبقة التي تتعامل مباشرة مع المدخلات حيث تقوم هذه الطبقة بحساب نسبة المشاركة لمجموعة المدخلات حسب القواعد التالية.
، 
الطبقة الثانية :- تقوم بحساب قوة القواعد الموضوعة حسب القاعدة.
الطبقة الثالثة : تقوم بحساب نسبة قوة قاعدة معينا إلى القواعد الأخرى.
الطبقة الرابعة :- نقوم في هذه الطبقة بإضافة بعض المتغيرات التي تسلسل البيانات .
الطبقة الخامسة :- هي الطبقة التي تنتج الجواب النهائي حسب المعادلة
بعد دراسة خصائص هذا النظام و طبيعة العمارة التي يقوم عليها و تتابع سير البيانات فانه يتحتم علينا عرض طريقة التعلم في هذا النظام في ما يلي سنعرض خوارزمية التعلم الهجين " hybrid learning algorithm" من خلال دراسة طبيعة النظام يتضح أن الناتج النهائي يمكن التعبير عنها كمجموعة خطية بالنسبة إلى المتغيرات التي تحدد تسلسل البيانات . تقسم عملية التعلم إلى قسمين رئيسيين الأول هو التمرير الأمامي و في هذه المرحلة يتم تعديل المتغيرات التي تحدد تسلسل البيانات في الطبقة الرابعة حسب مبدءا المربع الأقل ، أما القسم الأخر فهو التمرير الخلفي و بحسب التسمية المطلقة عليه فان التسلسل يكون عكسيا من الناتج إلى المدخلات و في هذه المرحلة يتم تعديل المتغيرات في قواعد القانون المستخدم في حساب نسبة المشاركة الموجود في الطبقة الاولى من الشبكة. .بعد النظر على الأنظمة الضبابية و بعض الأسس المتعلقة بها لابد من ذكر بعض التطبيقات المهمة لها من أجدر هذه التطبيقات بالذكر هي • Margoil Oil Thickness Estimator • Voltage Instability Predictor (Smart Relay) • Collateral Evaluation for Mortgage Approval
النظام بشكله العملي: في ما يلي سوف نتعرف على الاحد تطبيقات النظام بشكلها المفصل وهو ازالة التشويش من الصور باستخدام الانظمة الذكية الضبابية يقوم النظام بتقسيم الصور إلى الوحدات الاساسية للصور الا و هي البيكسل و من ثم يحدد الوحدات التي من المحتمل ان تكون معطوبة و عملية تقريب لاحتمال ان تكون الوحدات الجانبية قد تاثرت بهذا الخلل يتم اكتشاف الوحدات المعطوبة باستخدام قانون المثلثات حيث تقسم الصورة إلى مجموعة من المثلثات و تعتبر النقاط التي تمثل رؤوي المثلث هي البيانات الصحيحة والنقاط الواقعة في المنتصف هي الملفات المعطوبة و في ما يلي صورة توضح العملية
و التالي هي صورة تم ازلة التشويش منها :-
لماذا نحن بحاجة إلى مثل هذه الانظمة ؟ تاتي الحاجة إلى الانظمة الضبابية القابلة للتكيف إلى الحاجة إلى زيادة سرعة التعلم كما وضحنا سابقا و الزيادة في سرعة حل المشكلات و سهولة الاستخدام بالمقارنة مع الانظمة الاخرى من الانظمة الذكية التقليدية .