EN ESTE ARTÍCULO SE PROPONE LA IMPLEMENTACIÓN DE UN MULTIMODELO NEURONAL JERÁRQUICO (MNJ) BASÁNDOSE EN LA SÍMILARRI-DAD CON EL MODELO DIFUSO DE TAKAGI-SUGENO. EL MODELO MNJ TIENE TRES PARTES: 1) FUZIFICACIÓN; 2) INFERENCIA EN EL NIVEL BAJO USANDO REDES NEURONALES RECURRENTES, RNR; 3) DEFUZIFICIÓN EN EL NIVEL JERÁRQUICO ALTO USANDO UNA RNR QUE ES EN REALIDAD UN FILTRO-SUMADOR PONDERADO DE LAS SALIDAS DE LAS RNR DEL NIVEL BAJO. EL APRENDIZAJE Y EL FUNCIONAMIENTO DE AM-BOS NIVELES JERÁRQUICOS SON INDEPENDIENTES. EL MODELO MNJ ES IMPLEMENTADO COMO IDENTIFICADOR Y CONTROLADOR (FEEDFOR-WARD, Y FEEDBACK) EN DOS ESQUEMAS DE CONTROL DIRECTO ADAPTABLE. AMBOS ESQUEMAS DE CONTROL SON APLICADOS CON UNA PLAN-TA MECÁNICA CON FRICCIÓN Y COMPARADOS CON OTROS ESQUEMAS DE CONTROL NEURONAL Y DIFUSO, MOSTRANDO MEJORES RESULTADOS.THE PRESENT PAPER PROPOSED TO IMPLEMENT A NEURAL HIERARCHICAL MULTI-MODEL (MNJ) BASED ON THE SIMILARITY WITH THE FUZZY MODEL OF TAKAGI-SUGENO. THE MNJ HAS THREE PARTS: 1) FUZZYFICATION; 2) INFERENCE ENGINE IN THE LOWER HIERARCHICAL LEVEL, USING RECURRENT NEURAL NETWORKS, RNR; 3) DEFUZZYFICATION IN THE UPPER HIERARCHICAL LEVEL, USING ONE RNR DOING A FILTERED WEIGHTED SUMMATION OF THE OUTPUTS OF THE LOWER LEVEL RNRS. THE LEARNING AND FUNCTIONING OF BOTH HIERARCHICAL LEVELS IS INDEPENDENT. THE MNJ IS IMPLEMENTED IN TWO SCHEMES OF DIRECT ADAPTIVE CONTROL AS AN IDENTIFIER AND AS A FEED-FORWARD/FEEDBACK CONTROLLER, AS WELL. BOTH CONTROL SCHEMES ARE APPLIED FOR CONTROL OF A MECHANICAL PLANT WITH FRICTION AND COMPARED WITH OTHER NEURAL AND FUZZY CONTR