Всем привет!
У меня вопросик, как можно предсьавить названную в теме задачу в виде нейронной сети?
А то вычленение образа и сравнивание его с эталонным, не совсем интеллектуально на мой взгляд, а как иначе сделать - ума не приложу.

Я думаю ответа на твой вопрос пока ещё не существует.

Kationchic, Ну, это уже классика...

См. yann.lecun.com:
1. в разделе публикаций - статья Gradient-based learning applied to document recogniiton 1998г. Это, фактически, сжатый итог 10-летних исследований и внедрений. В итоге разработана уникальная конфигурация сети (альтернатива когнитронно-неокогнитронным моделям и традиционным многослойным персептронам), сделан навешиваемый на сеть автосегментатор букв.
2. в разделе Lenet - кратенькое описание этой сети с картинками-анимашками
3. в разделе MNIST лежит использованная обучающе-тестовая база данных рукописных начертаний цифр 1-9. Архивный формат gz под Виндами развертывается с помощью ВинЗипа. Тут же даны и цифры точности распознавания, получающиеся для разных архитектур нейросеток и разных методов статистического распознавания. Базу можно брать за основу при экспериментах, чтобы самому ничего на первом этапе не рисовать ;) Данные там в текстовом виде, придется написать перекодировщик одного текстового файла в набор файлов-картинок.

Ян ЛеКун - живой классик, всем работающим с нейросетками я рекомендую основные его работы читать вдоль и поперек и заучивать как "Отче наш...". Но... Это уже высший пилотаж, и многие задачи можно решать более просто (хотя и с худшим результатом) - и для начинающих может как раз лучше начинать с простых вариантов.

Жаль что "Новый Завет" не переведен на русский. =)
Хотя это мой минус... я теряю часть информации когда читаю на английском =(

А по сути: можно фильтровать, сегментировать, выделять признаки (каркас, особенностии всякое  такое) и у же признаки подавать персептрону, затем постобработка
Ну или как было написано выше к лекуну и его сверточным НС... вот сам сейчас пытаюсь их реализовывать