Вперше запропоновано архітектуру мережі на базі гібридних нейроподібних елементів для оцінювання точності апроксимації, що відрізняється наявністю блоку оцінювання точності. Удосконалено метод перетворення для навчання мереж на базі гібридних нейроподібних елементів, що відрізняється введенням обмежень у вигляді нерівностей на параметри мережі, що настроюються, та уточненням одержуваної оцінки координат глобального екстремуму за допомогою вдосконаленого гравітаційного пошуку. Отримав подальший розвиток метод синтезу мережі на базі гібридних нейроподібних елементів, що відрізняється двоетапною структурною та параметричною оптимізацією мережі. Ефективність запропонованих методів доведена експериментально на тестових і реальних даних.