سیستم ناوبری اینرسی موقعیت، سرعت و وضعیت جسم متحرک را با استفاده از اندازه شتاب ها و نرخ های دوران تعیین می کند. مهم ترین ضعف این سیستم ها خطای آن است. چون در فرآیند ناوبری از انتگرالگیری استفاده می شود، این خطا ها انباشته می شود و به مرور خطای موقعیت، مقدار قابل ملاحظه ای پیدا می کند. یکی از راه های کاهش این خطا تلفیق این سیستم با سایر سیستم های ناوبری است. سیستم موقعیت یاب جهانی یکی از سیستم های ناوبری است که با داشتن خواص مکمل با سیستم ناوبری اینرسی گزینه مناسب برای تلفیق است. در این پایان نامه روشی مبتنی بر شبکه های عصبی برای تلفیق این دو سیستم ارائه شد. در این روش سعی شد که با استفاده از شبکه های عصبی پیشرو چند لایه و روش پس انتشار خطا و گرادیان نزولی برای آموزش آن، خطای سیستم کاسته شود. در این روش پیشنهادی خطای حسگرها توسط شبکه عصبی تخمین زده شده و کنترل و محدود می شود. نتایج شبیه سازی نشان می دهد که خطای سیستم در برابر خطای انباشته شده بسیار ناچیز است (کمتر از 1%). اما در برابر روش هایی از قبیل فیلتر کالمن و یا anfis، مقدار خطا قدری بیشتر است. بررسی دقیقتر خطای خروجی نشان می دهد که حلقه پسخور تاثیر بیشتری در کاهش خطای خروجی در مقایسه با شکبه عصبی دارد