Эта работа представляет схему обучения статистически-информированных нейронных сетей (SINN), основанную на характеристической функции, для моделирования траловых процессов — класса амбит-процессов, определяемых через базисы Леви и описывающих сложные временные зависимости. Предлагаемый подход позволяет напрямую выучивать сети конечномерные распределения без необходимости внешних симуляций, что устраняет вычислительные ограничения традиционных методов, особенно в случаях, когда замнкнутые аналитические выражения недоступны. Численные эксперименты, включая применение к процессу Орнштейна–Уленбека и гамма-траловым процессам, демонстрируют эффективность метода для качественного анализа и его потенциал в ускорении моделирования методом Монте-Карло в задачах стохастического моделирования.