Este estudio propone un Controlador de Modelo de Articulación Cerebelar Difuso de Tipo Takagi-Sugeno-Kang Autoevolutivo (STFCMAC) para resolver problemas de identificación y predicción. El modelo STFCMAC propuesto utiliza la fuerza de disparo del hipercubo para generar bucles externos y retroalimentación interna. Se utiliza una función gaussiana diferenciable en la celda de hipercubo difuso del modelo propuesto, y una función de combinación lineal de las entradas del modelo se utiliza como la salida del modelo propuesto. El proceso de aprendizaje del STFCMAC se inicia utilizando una base de hipercubo vacía. Las celdas de hipercubo difuso se generan a través del aprendizaje de la estructura, y los parámetros relacionados se ajustan mediante un algoritmo de descenso de gradiente. La red STFCMAC propuesta tiene algunas ventajas que se resumen de la siguiente manera: (1) el modelo selecciona automáticamente los parámetros de la estructura de memoria, (2) requiere pocas celdas de hipercubo difuso, y (3) realiza la identificación y predicción de manera adaptativa y efectiva.