Вперше запропоновано: архітектуру і метод навчання нечіткої ймовірнісної нейронної мережі, що дозволяє суттєво скоротити кількість нейронів в мережі,
а відповідно і кількість параметрів, які налаштовуються, та підвищити швидкодію при нечіткій класифікації в online режимі надходження на обробку текстових документів; адаптивну нечітку нейронну мережу навчаємого векторного квантування та метод її навчання, що дозволяє виконувати нечітку класифікацію політематичних текстових документів, які в послідовному режимі надходять на вхід мережі; нейронну мережу зустрічного поширення з контрольованим навчанням з нелінійним вихідним шаром, яка дозволяє поліпшити якість класифікації за умов класів, що перетинаються.