Цель работы – сопоставить результаты работы модели полиномиальной сети и модели искусственной нейронной сети в рамках задачи прогнозирования. Работа выполнена на наборе данных «Недвижимость России 2021», расположенном в открытом доступе на ресурсе Huggingface за авторством пользователя Daniilak. Предмет ВКР – архитектурно‑математические особенности и сравнительная эффективность искусственных нейронных сетей и полиномиальных сетей при прогнозировании экономических данных. Использованные методы: полином Колмогорова-Габора, полносвязные искусственные нейронные сети, элементарный образ полинома Колмогорова-Габора. Использованные методы: - теоретический анализ научной литературы и нормативных источников; - построение и обучение многослойной искусственной нейронной сети (MLP) c ReLU активацией и градиентным спуском; - разработка полиномиальной сети на основе элементарного образа полинома Колмогорова Габора и итеративного добавления нелинейных признаков; - экспериментальное сравнение моделей по метрикам MAE и R². Основные результаты работы: - проанализированы актуальные теоретические положения в сфере искусственных нейронных сетей; - проанализированы актуальные теоретические положения в сфере полинома Колмогорова-Габора; - предложена архитектура полиномиальной сети; - разработана и задокументирована кроссплатформенная библиотека на Python, позволяющая формировать полиномиальные сети; - создана модель искусственной нейронной сети для прогнозирования цен на жилую недвижимость; - создана модель полиномиальной сети для прогнозирования цен на жилую недвижимость; - продемонстрировано превосходство по точности полиномиальной сети над искусственной нейронной сетью на задаче прогнозирования цен жилой недвижимости Санкт Петербурга при меньших вычислительных затратах. Область применения результатов ВКР – задачи прогнозирования включающие в себя экономические данные, моделирование экономических процессов. Выводы. Поставленные задачи выполнены, цель работы достигнута. Разработанная библиотека полиномиальных сетей продемонстрировала высокую точность и интерпретируемость, а результаты исследования подтверждают её применимость в практических экономических сценариях.