Предложен ряд методов и модификаций, устраняющих определенные проблемы, возникающие при работе с искусственными нейронными сетями (ИНС). Предложен гибридный генетический алгоритм (ГА), модифицирующий этап кроссинговера и естественного отбора классического ГА, используя логику, основанную на биологическом процессе апоптоза. Также в работе предложено использовать некоторую предобработку входных данных перед обучением ИНС радиально-базисных функций (РБФ) для улучшения результатов при решении задач аппроксимации функций и сжатия изображений. Для определения центров кластеров предложено использование известных алгоритмов "k-средних" и "k-ближайших соседей". Проведено имитационное моделирование задач аппроксимации, классификации, векторного квантования, сжатия изображения, а также моделирования процесса эволюции модифицированного ГА в среде Microsoft Visual Studio 2010 Express Edition, с помощью статических ИНС. Разработанные в диссертации методы и процедуры используются в Научно-исследовательском комплексе "Ускоритель" ННЦ "ХФТИ" при управлении энергией электронов в односекционном сильноточном ускорителе КУТ.