In the article the terminology and requirements for safe, reliable operation of critical IT infrastructure were defined. The generalized structure of critical IT infrastructure, by its basic level, sub levels and functionality were described. In the paper for the described structure mathematical model of control of resource allocation in the case of inter-independence processes and universal services were proposed.

У теперішній час нейронні мережі широко використовуються для вирішення різних завдань. У зв'язку з цим проблема розробки алгоритму навчання, який був би здатний динамічно оптимізувати структуру нейронних мереж, дуже важлива. Наявність такого способу надасть змогу дослідникам одержати структуру нейронної мережі, яка забезпечувала б швидкий доступ до вхідних даних. ІТ-інфраструктура надає змогу надавати організації ІТ-рішення і послуги для своїх співробітників або клієнтів та, як правило, є внутрішньою для організації та розгортається на тих об'єктах, які їй належать. У більшості випадків, організації можуть управляти окремими елементами в межах своєї ІТ-інфраструктури. Проте заздалегідь треба оцінити поточний рівень якості обслуговування (QoS) або функціонування ІТ-інфраструктури в цілому. У комплексі ІТ-інфраструктури через взаємний вплив елементів складно оцінити її якість або умови її експлуатації. Для ІТ-інфраструктури, що складається з великої кількості елементів, важливо вибрати структуру для нейронних мереж автоматично. Запропонований метод надає змогу контролювати процеси усередині ІТ-інфраструктури і формувати управляючи дії, зважаючи на якість функціонування компонентів ІТ-інфраструктури, що робить доцільним використання контуру управління, спрямованого на поліпшення якісних показників функціонування ІТ-інфраструктури. Запропоновано використати нейронні мережі для оцінки якості функціонування ІТ-інфраструктури. Оскільки завдання визначення структури нейронної мережі практично вирішити неможливо, тому що це вимагає глибокого аналізу кожного з процесів, що відбуваються в ІТ-інфраструктурі, запропоновано визначати структуру нейронної мережі автоматично за допомогою структурного алгоритму оптимізації нейронної мережі. Проведено серію експериментів з побудованим алгоритмом, яка продемонструвала здатність використання його в завданнях класифікації даних. Висновки: в результаті реалізації запропонованого методу структура нейронної мережі може бути використана під час оцінки якості функціонування схожих елементів ІТ-інфраструктури. Це надасть змогу постачальникові послуг "на льоту" створювати і перенастроювати свої існуючі моделі в більш стислий термін.