Baumstruktur und die Verbindungen zu den zusätzlichen Ausgabeneuronen sind deutlich sichtbar.

Statt des hier beschriebenen Neuro-Fuzzy Systems kann auch ein anderes lernendes System, etwa ein lineares Netz oder ein MLP verwendet werden. Allerdings muß dabei die Konsistenz von Interpretations- und Notenzuordnung gewährleistet bleiben (vgl. Abschnitt 10.1.1), und auf die Multi-Neuronen kann nicht verzichtet werden. Man kann diese linearen oder mehrschichtigen Netze als fuzzy-logische Netze darstellen und so dieselbe Implementation verwenden und die verschiedenen Architekturen direkt vergleichen. Auf die Ergebnisse dieses Vergleichs wird in Abschnitt 12.2 eingegangen.

Dabei ist die vereinfachte Darstellung für ein Netz, in dem ein Neuron mehrere ausgehende Verbindungen hat, z.B. voll vernetzte Schichten, besonders geeignet, weil man dadurch die Struktur eines herkömmlichen MLP erhält. Allerdings ist ein MLP nicht mehr rücktransformierbar in ein Fuzzy-Prolog-Programm, da bei voll vernetzten Schichten die Konklusion jeder Regel mehrfach als Prämisse benutzt wird. Wenn man eine Architektur mit verteilter Repräsentation wählt, ist eine Interpretation der Verbindungsgewichte aber ohnehin schwieriger.²

Die Interpretation als fuzzy-logisches Programm ist dann von geringerer Bedeutung, daher wurde die vereinfachte Umsetzung hier beibehalten. Wenn die Rücktransformation in ein Fuzzy-Prolog-Programm mit Wahrheitswertbelegungen gewünscht ist, muß das in Abschnitt 5.3.2 beschriebene Verfahren verwendet werden.