Mākslīgie neironu tīkli tiek plaši izmantoti attēlu klasifikācijas uzdevumos. Eksaminācijas izlases klasifikācijas drošums, izmantojot atsevišķu 3-slāņu neironu tīklu var svārstīties diezgan lielā diapazonā. Lai sasniegt eksaminācijas izlases drošuma stabilitāti izmanto neironu tīklu komitejas. Dotajā darbā tiek piedāvāta jauna komiteju metode un tā tiek eksperimentāli salīdzināta ar eksistējošām metodēm, tādām kā vienlīdzīgas balsošanas algoritms, svērtas balsošanas algoritms un ansambļa vidējais algoritms. Eksperimenti tika veikti divos virzienos: kriminālistikā un medicīnā. Kriminālistikas virzienā tika izmantotas cilvēku sejas fotogrāfijas. Uzdevumu komplicēšanai bija paņemtās dvīņu fotogrāfijas, kuras cilvēkam būtu grūti atšķirt. Eksperimentos medicīnas virzienā tika izmantoti cilvēku smadzeņu medicīnas attēli, kas tika iegūti ar datortomogrāfijas vai magnētiskās rezonanses palīdzību. Eksperimentāli parādīta piedāvātās metodes priekšrocības salīdzinot ar eksistējošām metodēm cilvēku sejas atpazīšanā. Piedāvātais algoritms parādīja visaugstāko drošuma līmeni, visā neironu tīklu apmācības laikā. Medicīnas diagnostikas uzdevumā piedāvātā metode parādīja rezultātus, kas neatšķīrās no pazīstamajām metodēm. Tas varētu būt saistīts ar patoloģijas zonas segmentācijas nepieciešamību.