Представлены численные методы нулевого и первого порядка, предназначенные для идентификации марковских процессов с дискретными состояниями и непрерывным временем по результатам наблюдений, а также технология вычислительного эксперимента, обеспечивающего сравнение характеристик эффективности рассматриваемых подходов. Анализ результатов проведенных экспериментов показал, что разработанные методы идентификации имеют преимущества перед классическим градиентным методом первого порядка. Рассмотренные алгоритмы можно применять для настройки параметров обучаемых структур, включая нейронные сети. Ключевые слова: марковские модели, идентификация моделей, многомерная нелинейная оптимизация, обучаемые структуры
