در این پژوهش یک شبکه عصبی موجک بهبود یافته ی فازی با فیدبک داخلی برای شناسایی سازه طراحی و پیشنهاد خواهد شد و جهت شناسایی سازه ها مورد استفاده قرار می گیرد. فیدبک داخلی با افزودن بازخورد در لایه دوم از شبکه های موجک عصبی در حقیقت المان حافظه را به شبکه اضافه کرده و باعث می شود سیستم رفتار زمانی مناسبی از خود نشان دهد.برای تنظیم پارامترهای شبکه، الگوریتم لونبرگ- مارکواردت بهبود یافته به همراه روش حداقل مربعات معمولی به کار گرفته شده و برای بهبود عملکرد این الگوریتم از یک ناظر فازی برای تنظیم پارامترهای آموزش استفاده می شود. همچنین یکی از فاکتورهای مهم در آموزش شبکه مقدار دهی اولیه ی پارامترهای شبکه می باشد. مقدار دهی اولیه پارامترهای قابل تنظیم شبکه، تأثیر بسزایی در روند همگرایی و تضمین همگرایی شبکه دارد. از این رو در این پژوهش از یک الگوریتم دسته بندی فازی برای مقدار دهی اولیه ی پارامتر انتقال موجک و از روش حداقل مربعات برای مقداردهی اولیه ی وزن های شبکه استفاده خواهد شد. مقداردهی اولیه بقیه ی پارامترهای متغیر شبکه از قبیل پارامتر بسط موجک و ضریب مسیر بازگشتی گره موجک، به صورت تصادفی است.