Šiame magistro diplominiame darbe nagrinėjamas dirbtinių neuroninių tinklų taikymas daugiamačiams duomenims vizualizuoti. Darbe apžvelgtos kelios duomenų vizualizavimo strategijos, išnagrinėti keli duomenų normavimo būdai. Detaliai ištirtas SAMANN algoritmas, skirtas daugiamatės erdvės duomenims vizualizuoti į mažesnio matavimo erdvę. Su C++ programavimo kalba sukurtos keturių normavimo būdų ir SAMANN neuroninio tinklo realizavimo programos. Atlikti tokie eksperimentai: keturių duomenų aibių vektorių normavimas 4-iais būdais, daugiamačių duomenų vizualizavimas plokštumoje, SAMANN neuroninio tinklo paklaidos skaičiavimas ir rezultatų atvaizdavimas plokštumoje. Eksperimentai atlikti su realiomis ir dirbtine duomenų aibėmis. Nustatyta daugiamačių duomenų vizualizavimo tikslumo (projekcijos paklaidos) priklausomybė nuo iteracijų skaičiaus ir mokymo greičio parametro reikšmės, o taip pat nuo pradinės duomenų aibės normavimo būdų. / The application of artificial neural networks for multidimensional data visualization is investigated in this master‘s thesis. Several strategies for data visualization and some data normalization methods are reviewed. A realization of SAMANN algorithm for multidimensional data visualization is investigated in detail. Programs for data normalization methods and SAMANN neural network realization have been developed using C++ programming language. Some experiments have been performed and presented in this theses: four methods for normalization of multidimensional data sets, multidimensional data visualization using SAMANN neural network, calculation of the projection (SAMANN) error. Three real and one artificial data sets have been used in the experiments. Dependences of the multidimensional data sets projection error on the iteration number and normalization methods have been investigated and presented in this theses too. Summarized experimental results and conclusions are presented.