Дисертацію присвячено розробці методів виявлення зміни властивостей стохастичних послідовностей в задачах ранньої діагностики нелінійних стохастичних об"єктів у реальному часі з використанням штучних нейронних мереж. Показано, що якість і складність вирішення задачі залежать від математичних моделей досліджуваних об"єктів, складність одержання яких обумовлює доцільність використання ШНМ. Розглянуто існуючі статичні і узагальнені динамічні моделі штучних нейронів й описано загальні принципи побудови багатошарових ШНМ. Удосконалено методи виявлення розладнань, які, використовуючи класичні статистичні тести, дозволяють враховувати особливості контролю змінних об"єкта керування. Розроблено рекурентні алгоритми оцінювання, які мають кінцеву пам"ять у вигляді ковзного вікна та експененційного зважування інформації та дозволяють вирішувати задачу виявлення зміни властивостей об"єктів у реальному часі. З метою покращання властивостей алгоритмів запропоновано правила корекції глибини їх пам"яті та розроблено модифікації алгоритмів, які мають робастні властивості. Показано, що використання багатошаового персептрона в задачах ранньої діагностики є проблематичним. Вперше розроблено багатошарові структури спеціалізованих ШНМ з лінійним і нелінійним навчанням та радіально-базисна мережа, які орієнтовані на вирішення задачі ранньої діагностики. Розроблено пакет програм для моделювання роботи розроблених спеціалізованих ШНМ.