Распознавание типов радиолокационных объектов по сигнальным признакам с целью отслеживания их перемещений в заданной области является важной задачей обеспечения безопасности воздушного движения. Один из эффективных инструментов решения этой задачи – применение искусственных нейронных сетей.В данной работе предложен способ статистической оценки результатов нейросетевой классификации радиолокационно-отслеживаемых динамических объектов, основанный на статистической проверке гипотез. Оценка осуществляется посредством сравнения выборочной средней всего распределения выходных результатов нейронной сети, полученных по результатам серии наблюдений за объектами, с усредненным пороговым значением меры сходства ее выходных сигналов, принятой в качестве гипотетической генеральной средней. Проведенные экспериментальные исследования предложенных решений на примере классификации оди-ночных объектов двух типов по их доплеровским портретам в условиях значительных помех подтверждают повышение достоверности нейросетевой классификации в среднем до 8 %. Рассмотренный подход может быть применим как в независимых нейросетевых системах классификации или селекции радиолокационно-обнаруживаемых объектов, так и в составе комплексных систем поддержки принятия решений существующих или перспективных радиолокационных станций.