建立了一种基于模糊逻辑推理的神经网络.由样本获取的初始规则确定规则层神经元个数,并确立模糊化层与规则层之间的连接.利用黄金分割法确定模糊化层隶属度函数的初始中心和宽度;根据初始规则的结论确定清晰化层的初始权值;针对网络结构提出了改进的BP算法.仿真实例表明, 网络结构合理, 具有较好的非线性映射能力,改进的BP算法适合于此网络, 与另一种模糊神经网络相比较具有较快的训练速度和较好的泛化能力.