En este artículo, desarrollamos leyes de actualización adaptativas basadas en momento para la identificación de parámetros y el control, con el fin de mejorar la convergencia del error de estimación de parámetros y el rendimiento del sistema de control para sistemas dinámicos inciertos. Específicamente, introducimos tres novedosos algoritmos de estimación y control adaptativos basados en momento en tiempo continuo y evaluamos su efectividad a través de varios ejemplos numéricos. Nuestras arquitecturas adaptativas propuestas muestran tasas de convergencia de parámetros más rápidas en comparación con los métodos clásicos de descenso de gradiente y control adaptativo de referencia de modelo.