В реальных задачах моделирования сложных физических и технических систем и процессов зачастую возникают постановки, далёкие от классических: нет полной информации о начальных и граничных условиях, о коэффициентах уравнений, о границах разделов сред, необходимо при построении моделей учитывать данные наблюдений, эти данные могут быть обновляемыми - и модель должна подстраиваться под новые данные. Монография посвящена изложению нейросетевого подхода, который позволяет решать эти и многие другие задачи единообразно и без принципиальной перестройки алгоритмов. Данная методология существенно сокращает трудоёмкость моделирования систем с распределёнными параметрами. Большинство методов и алгоритмов разработало авторами и обладает приоритетной новизной. Книга будет полезна научным работникам, преподавателям и студентам университетов, занимающимся математическим моделированием сложных систем по имеющейся разнородной пополняемой информации.