模糊神经网络是一种软件系统，试图接近人脑的运作方式。它们通过利用计算机科学技术的两个关键研究领域--模糊逻辑软件开发和神经网络处理架构来做到这一点。模糊逻辑软件试图在计算机软件程序的决策结构中说明现实世界中的灰色区域，而不是简单的是或不是的选择。人工神经网络设计创造了软件节点，模仿人脑中的神经元如何互动的功能和复杂性。模糊逻辑和神经网络设计共同创造了一个神经模糊系统，研究人员用它来实验复杂的问题，如气候变化，或开发人工智能机器人。

截至2011年，普通微型计算机以每秒数十亿条指令的惊人速度进行计算。这代表着处理速度比计算机发展的早期有了指数级的增长，尽管这种增长没有显示出以复杂的方式进行推理的能力，甚至简单的生物体也是如此。这部分是由于计算机处理仍然面临的基本限制，而模糊神经网络是绕过这些限制的一种尝试。

据估计，平均每秒钟人脑利用其神经结构执行100,000,000,000条指令，这些指令类似于微处理器的功能。相比之下，截至1999年的普通计算机系统比这慢24,000倍，而截至1981年的早期模型在进行计算时比人脑慢3,500,000倍。需要8000台个人电脑错综复杂地联网，并使用2011年市场上的2.1千兆赫处理器才能接近普通人脑的速度。然而，一台能够像人脑一样快速进行计算的超级计算机，在分析相互矛盾的现实世界数据时，并不等同于同样的推理能力，这就是模糊神经网络发挥作用的地方。

使模糊神经网络有别于其他类型的计算机处理的关键因素是，在没有足够数据得出明确结论的情况下，它们具有模式识别能力，以及适应环境的能力。模糊神经网络利用神经算法，当它们遇到新的数据集进行处理时，这些算法被设计为改变和成长。它们通过从两个不同的角度来处理问题，并将结果组合成有意义的问题解决方案。

模糊软件是以编程规则为基础的，当数据中出现从人类角度看很明显的矛盾时，可以估算出真理的水平。例如，在一群人中确定谁是 "高个子 "与谁是 "矮个子"，使用传统的计算机处理，会创造出一条明确的线，两组人都被分开，没有中间范围。一个身高6英尺（1.83米）的人如果低于平均身高，就会被归类为矮小，而身高6英尺1英寸（1.85米）的人则会被归类为高大。有了模糊处理，被认为是高与矮的范围将随着群体的变化而不断变化，决定将沿着一个更合理的梯度作出。

相比之下，神经网络没有预定的操作规则，而是根据观察得出所有的结论。在没有预定规则的情况下操作，可以创造出关于数据的独特见解，而这些见解在模糊编程或传统编程规则集的预先假设中是不明显的。模糊软件和神经网络数据处理的结果在模糊神经系统中结合起来，其方式近似于生物机体在其环境中的学习和适应。当系统适应它所收集的数据时，它就会改变它处理数据的方式，从而在解决未来问题时变得更加有效。

神经处理，无论是来自计算机中的神经编程还是来自生物大脑，都是一种基于观察结果给某些数据点增加权重的方法。模糊神经网络的模糊元素起到了比过去传统计算机处理器更准确地模拟真实条件的作用，尽管在模糊逻辑被用作传统计算机控制的情况下，这种精细的建模水平往往可能不会带来显著的性能改进。模糊神经网络的最终优势是，它们有可能发展出一种基本的独立思考和决策水平，随着周围环境的变化而适应。