В работе рассматриваются вопросы формирования на нейроподобной структуре модели внешней среды с применением структурных методов для задач адаптивного управления в условиях неопределенной внешней среды. Основные теоретические предпосылки сводятся к моделям обобщения на основе семантических сетей, которые могут быть представлены как алгоритмами обобщения по признакам, так и индуктивной логикой, используемой в структурно-логических методах. Совмещение функций управления и обработки семантической информации в нейросетевых мотелях является одним из путей повышения эффективности систем адаптивного управления. Аппарат семантических сетей удобен для формирования внутреннего представления и позволяет получать обобщенные описания множества объектов, имеющих наглядную семантическую трактовку и использующих такие понятия, как "признак", "имя", "класс", "отношение". Роль языка представления наблюдений и классов (понятий) в данном случае играет выбираемый формализм семантической сети. В вершинах сети помещаются объекты или понятия, а дуги задают отношения между ними. В большинстве случаев эти отношения являются n-арными и адекватным математическим описанием данных структур являются гиперграфы, но они сводятся к бинарным с помощью рекуррентных преобразований, что позволяет рассматривать вопрос о моделировании сложных семантических структур на элементах с бинарными связями. Для анализа и оптимизации семантической структуры применяется базовый алгоритм, который разработан на основе метода поиска упорядоченных оптимальных покрытий на гиперграфе. Формирование внутреннего представления подразумевает два этапа. На первом этапе, на основании априорных знаний и основных понятий, составляется описание предметной области в виде "проблемной модели" для ситуационного управления. Эта модель является основой не модифицируемой части сети и представляет собой набор фиксированных ситуаций. На втором этапе полученная модель внутреннего представления с помощью рекуррентных процедур приводятся к виду, представляющему наборы бинарных отношений. Полученная структура является редуцированным представлением семантические сети, сохраняет на всем множестве элементов вое характерные отношения между объектами и определяется булевыми функциями. Редуцированное семантическое представление, реализованное в виде не модифицируемой части сети из нейроподобных элементов может являться ядром априорной информации (ненулевая начальная организация). Оно пополняется в процессе функционирования новыми сведениями и отношениями. Такой подход значительно упрощает процедуру обучения и значительно сокращает время настройки сети на определенную предметную область.