神经网络是利用大量的神经元按一定的拓扑结构和学习调整方法. 它能表示出丰富的特性：并行计算、分布存储、可变结构、高度容错、非线性运算、自我组织、学习或自学习等. 这些特性是人们长期追求和期望的系统特性. 它在智能控制的参数、结构或环境的自适应、自组织、自学习等控制方面具有独特的能力. 神经网络可以和模糊逻辑一样适用于任意复杂对象的控制但它与模糊逻辑不同的是擅长单输入多输出系统和多输入多输出系统的多变量控制. 在模糊逻辑表示的SIMO 系统和MIMO 系统中其模糊推理、解模糊过程以及学习控制等功能常用神经网络来实现.模糊神经网络技术和神经模糊逻辑技术：模糊逻辑和神经网络作为智能控制的主要技术已被广泛应用. 两者既有相同性又有不同性. 其相同性为：两者都可作为万能逼近器解决非线性问题并且两者都可以应用到控制器设计中. 不同的是：模糊逻辑可以利用语言信息描述系统而神经网络则不行;模糊逻辑应用到控制器设计中其参数定义有明确的物理意义因而可提出有效的初始参数选择方法;神经网络的初始参数(如权值等) 只能随机选择. 但在学习方式下神经网络经过各种训练其参数设置可以达到满足控制所需的行为. 模糊逻辑和神经网络都是模仿人类大脑的运行机制可以认为神经网络技术模仿人类大脑的硬件模糊逻辑技术模仿人类大脑的软件. 根据模糊逻辑和神经网络的各自特点所结合的技术即为模糊神经网络技术和神经模糊逻辑技术. 模糊逻辑、神经网络和它们混合技术适用于各种学习方式 智能控制的相关技术与控制方式结合或综合交叉结合构成风格和功能各异的智能控制系统和智能控制器是智能控制技术方法的一个主要特点．