У статті запропоновано прогнозуючу нейро-фаззі мережу, що призначена для вирішення задач екстраполяції багатовимірних нестаціонарних стохастичних та хаотичних часових рядів за умов короткої навчальної вибірки. В основі мережі полягає багатовимірний нео-фаззі-нейрон із спеціально організованим вхідним шаром та сплайн-функціями належності. Введена система забезпечує високу якість апроксимації у сенсі середньоквадратичної похибки та високу швидкість збіжності за рахунок використання процедури навчання другого порядку. Розроблено програмне забезпечення, що реалізує запропоновану архітектуру нейро-фаззі мережі. Проведено ряд експериментів з дослідження властивостей запропонованої мережі. Результати експериментів підтвердили придатність запропонованої архітектури до розв’язання задач Data Mining та більш високу точність у порівнянні з традиційними прогнозуючими нейро-фаззі системами

обчислювальний інтелект, багатовимірний нео-фаззі-нейрон, процедура навчання, прогнозування часових рядів, функція належності