Mạng nơ-ron mờ động (Dynamic Fuzzy Neural Network – DFNN) cĩ cấu trúc dựa trên nền tảng mạng nơ-ron sử dụng hàm cơ sở xuyên tâm (mạng RBF). ðiểm khác nhau cơ bản giữa DFNN và mạng RBF là ở số lớp nơ-ron trong mạng: DFNN gồm 5 lớp (mạng RBF chỉ cĩ 3 lớp). Tuy nhiên, DFNN và mạng RBF cĩ sự tương đồng về mặt phương trình tốn học truyền tín hiệu trong mạng. ðặc tính “động” (dynamic) của DFNN thể hiện ở cấu trúc mạng – nĩ được tinh gọn gần như tối đa (số lượng nơ-ron ở lớp 3 của mạng bằng với số ngõ vào) và nhờ vậy nĩ cĩ thể dễ dàng thay đổi cấu trúc của mình trong khi vẫn đảm bảo được khả năng đặc trưng vốn cĩ của một mạng nơ-ron mờ mà vẫn hạn chế đến mức thấp nhất sự xáo trộn trong số luợng thơng số của mạng.
Về mặt chức năng, mạng DFNN tương đương với một hệ thống suy luận mờ Takagi – Sugeno – Kang (TSK). ðể đơn giản nhưng vẫn khơng mất tính tổng quát, ta chỉ xét mạng DFNN nhiều ngõ vào – một ngõ ra. Các kết quả nhận được hồn tồn cĩ thể ứng dụng đối với mạng nhiều ngõ vào – nhiều ngõ ra. Cấu trúc một mạng DFNN gồm 5 lớp:
Lớp 1 (lớp vào)
Lớp vào gồm r nút, mỗi nút tương ứng với 1 ngõ vào xi (i = 1,2,..,r). Những
Tập hợp r ngõ vào này trong một thời điểm tạo thành một vector ngõ vào:
Lớp 2 (lớp mờ hĩa)
Mỗi biến ngơn ngữ ngõ vào xi được đặc trưng bởi u giá trị ngơn ngữ
Trong đĩ : Ai : tập các giá trị ngơn ngữ của ngõ vào xi ,
aij : số mờ thứ jcủa ngõ vào thứ i với hàm liên thuộc dạng Gauss.
Ngõ ra của một nút thuộc lớp 2 sau khi mờ hĩa:
với cij và σj là tâm và bề rộng hàm liên thuộc Gauss thứ j của ngõ vào xi.
Lớp 3 (lớp điều kiện/lớp luật mờ)
Lớp 3 cĩ u luật mờ (nơron), mỗi luật mờ là sự kết hợp của r ngõ ra từ lớp 2: Ngõ ra của mỗi nút trong lớp 3:
Ta cĩ thể thấy mỗi nút trong lớp này cũng là một hàm RBF của vector ngõ vào X với tâm là vector Cj và bề rộng là σj
Lớp 4 (lớp chuẩn hĩa)
Lớp 4 gồm u nút, mỗi nút trong lớp này làm nhiệm vụ chuẩn hĩa ngõ ra của 1 nút ở lớp 3 tương ứng theo cơng thức:
Lớp 5 (lớp ra)
Lớp này là tổng cĩ trọng số của các ngõ ra ở lớp 4: