В данной работе рассмотрены наиболее характерные "базовые" модели НПС, которые описывают как однородные среды (первый уровень), так и иерархические системы распознавания сложных паттернов активности (нейроноподобные системы второго и третьего уровня). Показана возможность "самоподобного" описания разных уровней иерархических систем: своеобразная "фрактальность" моделей. Для каждого типа моделей приведены результаты исследований возможной динамики пространственных структур. Демонстрируются примеры динамики параллельных режимов преобразования сложного паттерна сенсорных сигналов. Рассмотрены особенности выполнения операций самообучения, формирования внутренних модельных представлений НПС о принимаемых сигналах, оптимизация алгоритмов обработки сигналов в адаптивных нейроноподобных автоматах принятия решений. На основе модели адаптивного распознавателя разработана схема структурирования разнообразных данных о НПС (набор моделей; основные характеристики для качественного анализа решений; набор решений - характерных АВП и похожих на них структур; набор экспериментальных примеров и их интерпретации; варианты технических приложений). Схема позволяет с единых позиций объединять разнообразные данные о распределенных биосистемах и находить аналогии в динамике их функционирования.