Este artículo propone un novedoso algoritmo de identificación de sistemas de dos etapas de tiempo predefinido para sistemas no lineales inciertos basado en aprendizaje concurrente. La característica principal del algoritmo es que el tiempo de convergencia del error de estimación es un parámetro predefinido exacto, que puede ser conocido y ajustado directamente por los usuarios. Los datos de identificación históricos se almacenan en la primera etapa para garantizar que se cumpla una condición de rango finito. En la segunda etapa, el error de estimación converge a cero para sistemas inciertos parametrizados linealmente, o se regula en el vecindario de cero para sistemas desconocidos modelados por redes neuronales. El algoritmo de identificación tiene efecto sin el requisito restrictivo de la condición de excitación persistente. Ejemplos de simulación verifican la efectividad del método propuesto.