其中A和B为由论域X和Y上的
模糊集合定义的语言值。“x is A”称为前提，“y is B”称为结论。
两种解释，一种是A耦合（coupled with）B，另一种是A导致（entails）B。基于这两种解释和不同的tnorm, tconorm算子，模糊规则可以有多种合法的计算公式。
模糊高性能智能系统相对于传统方法具有开发周期短、非线性以及不需要建立数学模型等特点，因而得到了广泛的应用。但是对于该类系统的一个困难问题是模糊规则的获取。关于模糊规则的自动获取的研究已经引起了人们的高度重视，是机器学习的一个较活跃的研究领域。
作为一种“灰箱”系统，虽然TS模糊神经网络中的规则形式较为明显，但是在TS模糊神经网络训练结束后会存在大量的TS模糊规则(其个数为各概念逻辑划分数目的乘积)，妨碍了人们对整个系统的更好的理解，也不利于TS模糊神经网络与其他系统的有机集成。
用遗传算法来同步优化TS模糊神经网络的权值和修剪网络中不必要的连接、隐结点和输入结点，从而能够保证在系统应用效果不变的情况下，得到尽量精练的模糊规则，并提出如何从优化后的网络中提出模糊规则的可操作性。