چکیده: در این پایان‌نامه یک رویکرد شبکه‌های عصبی بازگشتی برای تخمین ضرایب (پارامترهای) مدل رگرسیون خطی و چندجمله‌ای فازی ارائه می‌شود. در تحلیل رگرسیون در محیط فازی (مانند رگرسیون در نظریه آماری کلاسیک) زمانی که هم‌خطی چندگانه بین متغیرهای پیش‌بین وجود دارد از اعتبار مدل کاسته می‌شود. برای حل این مشکل، رگرسیون بریج در محیط فازی برای اولین بار در این پایان‌نامه معرفی می‌شود و نسبت به حل آن و حالت‌های خاص آن (رگرسیون ریج و لاسو فازی) با استفاده از یک شبکه عصبی کارا اقدام ‌می‌شود. شبکه‌عصبی پیشنهادی بر اساس برخی مفاهیم بهینه‌سازی محدب و نظریه پایداری ساخته می‌شود که چارچوب آن، رسیدن به یک جواب تقریبی برای مدل‌های رگرسیون فازی را تضمین می‌کند. همچنین، وجود و همگرایی مسیرهای شبکه عصبی مورد مطالعه قرار داده می‌شود و پایداری لیاپانوف برای این شبکه عصبی اثبات می‌شود.