采用金屬基復合材料設計神經自適應學習技術能夠開發一個模型，通過使用模糊建模過程的數據集來“學習”系統。換句話說，ANFIS通過單獨使用輸入/輸出數據集反向傳播(BP)算法或結合最小二乘法編輯隸屬度函數參數來創建模糊推理系統(FIS)。采用金屬基復合材料設計這樣的安排使得系統可以借助我們的模糊系統所建模的數據來學習相關的系統。換句話說，它會根據將要建模的數據進行調整。因此，它具有很強的適應性。由于自適應網絡結構的功能，它獲得了利用系統的環境信息和與系統相關的輸入輸出數據進行自我更新的能力。它還包括先進的數據分析技術，如ANFIS，數字分組和規則集。

神經自適應學習技術由六層組成。第一層稱為輸入層。這一層的輸入信號被傳送到其他層。第2層是模糊化層。每個輸出由依賴于輸入值和使用的成員函數的成員度組成。第三層是規則層;這一層的每個節點都是指根據Sugeno模糊邏輯推理系統創建的規則和編號。第4層是歸一化層，接受所有節點，計算每個規則的歸一化級別。第5層是凈化層，對給定規則在每個節點上的加權結果值進行估計。第6層是只有一個節點的總層(∑)。在這一層中，增加各節點的輸出值，得到系統的實際輸出。

采用金屬基復合材料設計神經自適應學習技術的學習算法是一種混合學習算法，包括使用最小二乘法和反向傳播學習算法。該學習算法基于誤差反向傳播。學習的過程有兩個步驟;在第一部分中，產生輸入樣本并接受初始參數為常數，用最小均方法確定最佳最終參數。第二部分再現輸入樣本，用梯度下降法代替初始參數，最終參數被認為是常數。之后[3]會重復這個過程。