Raksts ir veltīts pirkstu nospiedumu klasifikācijas uzdevumam, pieņemot, ka visi pirkstu nospiedumi pieder trijām klasēm – cilpas klasei, loka klasei un spirālveida vijuma klasei. Paraugi, kuri satur līnijas no vairākām klasēm, tiek uzskatīti par hibrīdiem. Eksperimenti parāda, ka tīri klašu pārstāvji (ne hibrīdi) var tikt izmantoti neironu tīkla (sastāvoša no trijiem nepārtrauktiem perceptroniem) apmācībā tā, ka tas ir spējīgs klasificēt šo klašu hibrīdus. Pretējs eksperiments neapstiprinājās un parādīja, ka neironu tīkls nevarēja tikt apmācīts ar hibrīdiem tā, lai tas iemācītos klasificēt tīros klašu pārstāvjus. Apmācība ar tīrajiem klašu pārstāvjiem paņēma mazāk laika kā apmācība ar hibrīdiem – tā sastāvēja no 54 iterācijām (kamēr otra vilkās 136 iterācijas). Vislaikietilpīgākais bija eksperiments, kur apmācības kopā tika iekļauti gan tīrie klašu pārstāvji, gan hibrīdi (643 iterācijas) – tomēr tā priekšrocība bija augstā precizitāte, ar kādu tīkls klasificēja gan tīros klašu pārstāvjus, gan hibrīdus. Vismazāk laiku patērējošs bija eksperiments ar diskrētu tīklu (sastāvošu no trijiem unipolāriem perceptroniem) – visai apmācībai bija nepieciešami tikai trīs cikli, lai optimizētu tīkla svarus. Tā trūkums ir tāds, ka tikai tīri klašu pārstāvji var tikt lietoti. Šī pētījuma novitāte ir animācijas izmantošana pārvietojumu daudzdimensiju svaru telpā ilustrēšanā (deviņi svari). Tika izveidotas divas animācijas (no kurām viena tika parādīta freimu veidā šajā rakstā). Animācijas ļāva salīdzināt svaru izmaiņu pakāpeniskumu dažādiem eksperimentiem, jaunu profilu parādīšanos un veco profilu atkārtotu parādīšanos.