Досліджено ефективність систем з нечіткою логікою та нечітких нейромереж в задачах прогнозування та класифікації за умов невизначеності. Розроблено новий алгоритм навчання параметрів з гауссівськими функціями належності (ФН). Описано алгоритм прогнозування макроекономічних процесів з застосуванням нечітких нейромереж. Проаналізовано ефективність різних алгоритмів нечіткого логічного висновку (Мамдані, Цукамото і Сугено) з різними функціями належності в задачах прогнозування в макроекономіці та фінансовій сфері, визначено алгоритм для даного класу задач. Висвітлено вплив розміру бази правил та кількості значень (термів) лінгвістичних змінних на точність прогнозування, обгрунтовано параметри залежно від вимірності задач. Викладено алгоритм навчання системи з гауссівськими ФН для задач класифікації та експериментально доведено вплив величини кроку навчання на швидкість збіжності алгоритму.