У підсистемах підтримки прийняття рішення для розпізнавання об'єктів особливе значення має виявлення найвірогіднішого результату серед можливих за певним набором ознак. З цією метою доречним є присвоєння конкретних рангів кожному з результуючих сигналів в процесі класифікації. Розглянуто дві моделі нейромережного класифікатора, причому результатом класифікації в удосконаленій моделі є формування рангів всім визначеним класам із застосуванням нового підходу. Отже, функціональні можливості такого нейромережного класифікатора в цьому випадку отримали розширення за рахунок ранжування класів. Удосконалений нейромережний класифікатор має п'ять шарів - вхідний, три приховані і вихідний шари. У першому прихованому шарі формуються відповідні дискримінанті функції, у другому прихованому шарі реалізується механізм конкуренції WTA (переможець отримує все). Вихідний шар, в якому формуються ранги класів об'єктів, будується на лічильниках, в яких поступово підраховуються ранги класів. Третій прихований шар виконує роль маскувального шару, беручи участь у формуванні рангів. Отже, введення двох шарів (маскувального та вихідного у вигляді лічильників) дозволяє визначити ранги вхідного об'єкта стосовно його належності до конкретних класів. Наведено загальні структури розглянутих нейромережних класифікаторів, для порівняння показано топологічні структури обох моделей таких класифікаторів, а також розглянуто функціональну схему елементів доданих шарів. Наведено особливості функціонування запропонованого класифікатора, представлено його структурно-функціональну характеристику у вигляді таблиці. Крім того, схематично показано особливості процесу реалізації механізму конкуренції нейронів у конкурентному шарі класифікатора.