Исследованы и разработаны методы обработки многомерных временных рядов
с помощью гетерогенных нейронных сетей. Также уделено внимание новому подходу вычислительного интеллекта - резервуарным вычислениям. Предложена многомерная модификация нео-фаззи-нейрона, имеющая улучшенные аппроксимирующие свойства и методы обучения, которые характеризуются простотой реализациии и позволяют обеспечить меньшую вычислительную сложность за счет существенного сокращения количества функций принадлежности. Получила развитие архитектура нейро-компрессора на основе многомерного персептрона "бутылочное горлышко" и нео-фаззи сети встречного распространения, что позволило осуществлять прогнозирование временных рядов пониженной размерности без потери связей внутри данных. Метод сегментации многомерных временных рядов, основанный на методе нечеткой кластеризации и отличающийся процедурой настраивания центроидов, позволил осуществлять сегментацию данных в режиме online.