Монография посвящена общим принципам совершенствования нейросетевых методов моделирования диагностики и прогнозирования вероятности риска банкротств корпораций применительно к сложным условиям моделирования: неполноты, неточности и неопределённости в данных. Впервые рассмотрены вопросы байесовской регуляризации нейросетевых моделей в условиях отсутствия априорных сведений о виде закона распределения шумов в данных, оценки адекватности нейросетевых моделей на основе последовательного принципа Вальда, оптимального выбора системы показателей для спецификации нейросетевой модели, сокращения размерности факторного пространства, предобработки данных, агрегирования комплексных количественных и каче