Gegenstand des interdisziplinären Forschungsvorhabens ist die automatische Auswertung klinischer EEG-Ableitungen mit Hilfe selbstorganisierender Karten. Das Ziel ist, ein neuronales Netz zu entwickeln, welches digitalisierte EEGs in klinisch relevante Kategorien (entsprechend einer international anerkannten Klassifikation) typisiert. Der wesentliche Unterschied zu herkömmlichen Netzen ist die Transparenz der Verarbeitung, sowie die Tatsache, daß Zwischenergebnisse und Netzkonfigurationen aussagekräftig interpretiert und analysiert werden können.
Das Signal wird vorverarbeitet und mit Hilfe von zwei Netzen analysiert. Das neuronale Netz I klassifiziert das EEG-Muster, das Netz II ordnet diese den vorgegebenen Kategorien zu. Das Netz I ist als Kohonen-Netz angelegt und lernt unüberwacht. Es bietet dem medizinischen Fachpersonal neuartige graphische Analysemöglichkeiten. Das Netz II lernt durch überwachte Adaption die Ausgabemuster von Netz I auszuwerten, entsprechend einer vorher durchgeführten Klassifikation durch Experten. Ziel ist der Einschluß möglichst vieler klinisch relevanter Kategorien, um die Anzahl fehlklassifizierter Muster zu minimieren.