В диссертационной работе предложен усовершенствованный метод самообучения трехслойной автоассоциативной нейронной сети для решения задач понижения размерности пространства признаков исходного массива данных, полученный путем введения полиномиальной функции активации. Данный метод самообучения обладает повышенным быстродействием и точностью аппроксимации. Кроме того, предложена модель данной нейронной сети. В работе усовершенствованы методы самообучения последовательной, параллельной и комбинированной нейронных сетей для вычисления одной или произвольного множества главных компонет. Предложена модель нейросетевой автоассоциативной памяти на основе нечетких базисных функций, которая обладает повышенной емкостью и характеризуется простотой реализации. В работе синтезирована модель обобщенной регрессионной нейро-фаззи сети, которая сочетает в себе стандартную обобщенную регрессионную нейронную сеть и адаптивные системы нечеткого вывода и характеризуется вычислительной простотой, интерпретируемостью резуль