Šiame straipsnyje pristatomi sukurti giliojo mokymosi modeliai skirti įmonių bankroto prognozavimui. Tyrimo metu, naudojant Lietuvos įmonių duomenis, sukurti du modeliai: daugiasluoksnis perceptronas ir konvoliucinis neuroninis tinklas. Modelių apmokymui ir hiperparametrų validavimui, buvo naudojami subalansuoti duomenų poaibiai. Siekiant įvertinti modelių gebėjimą atskirti bankroto atvejus išbalansuotoje duomenų aibėje, modelių testavimui buvo naudojamas poaibis, kuriame buvo išlaikytas pradinio duomenų rinkinio klasių disbalansas. Gauti rezultatai parodė, kad sukurti giliojo mokymosi modeliai atpažįsta bankroto atvejus duomenų aibėje su dideliu klasių disbalansu.