El método de inferencia difusa de Mamdani es una de las técnicas de control lógico difuso (FLC) más importantes y tiene varias aplicaciones en diferentes campos. A pesar de sus aplicaciones, el método de inferencia difusa de Mamdani tiene algunos problemas fundamentales que todavía requieren soluciones. El problema más crítico es la selección de la forma precisa y los límites de las funciones de membresía (MFs) en el universo del discurso. En este trabajo, introdujimos una metodología llamada aprendizaje para controlar (LtC) para resolver el problema. La metodología propuesta consistió en dos módulos principales, a saber, un módulo de algoritmo de control (CA) y un módulo de algoritmo de aprendizaje (LA). En el módulo CA, se utilizó el método FLC de Mamdani, mientras que, en el módulo LA, se utilizó el algoritmo de red neuronal artificial (ANN). Las entradas en la ANN fueron la diferencia de error entre la temperatura ambiental y la temperatura requerida. La salida de la ANN fue el conjunto de MF para el FLC. Las entradas en el controlador lógico difuso (FLC) fueron la diferencia de error entre la temperatura ambiental y la temperatura requerida (D), y la salida fue la potencia requerida para el actuador del ventilador. El propósito de la ANN era ajustar los MFs del FLC para mejorar su eficiencia. El método propuesto de aprendizaje para controlar junto con el método convencional de controlador lógico difuso se aplicó a los datos para evaluar el rendimiento del modelo. Los resultados indican que el rendimiento del modelo propuesto es mucho mejor que el de las técnicas convencionales de lógica difusa.