В статье рассмотрено использование рекурентных нейронных сетей для распознавания рукописного ввода на казахском и русском языках на основе кириллической графики. Распознавание рукописных текстов представляет собой сложный структурированный процесс, состоящий из сканирования бумаги с текстом, разделения полученной информации на тексты и изображения, использования методов интеллектуального распознавания рукописей и обработки результатов. В этой научной работе была решена проблема распознавания казахского и русского рукописного текста с использованием новой модели глубокой нейронной сети на основе полностью закрытого CNN, предложенного Abdallah, и проведен анализ результатов. В работе была описана модель, основанная на архитектуре Gated-CNN-BGRU(CCN, convolutional neural networks, Bidirectional gated recurrent unit, сверточные нейронные сети-двунаправленный управляемый блок), и рассчитана частота ошибок символов, частота ошибок слов и частота ошибок предложений по распознаванию рукописных текстов. Для обучения и тестирования систем распознавания рукописей использованы наборы рукописных данных HKR(Handwritten Kazakh & Russian) и KOHTD (Kazakh Offline Handwritten Text Dataset) на казахском и русском языках. Предложенная модель была реализована с использованием библиотеки TensorFlow для Python.