В работе рассматриваются особенности преобразования сигналов в нейроноподобных адаптивных системах распознавания больших потоков информационных сигналов. В обобщенной нейроноподобной распознающей системе выделены следующие основные пути трансформации сигналов: путь "кодирования"; путь обратного восстановления, "генерации" входной картинки данных по имеющимся в архиве кодовым значениям; путь формирования оценок сравнения кодовых значений на соответствующих уровнях путей "кодирования" и "генерации"; алгоритмы формирования сигнала "принятие решения". При этом в каждом блоке "крупнозернистой" схемы могут использоваться системы с "мелкозернистой" архитектурой нейроноподобного типа. С помощью "крупно-зернистых" моделей нейроноподобного типа рассмотрены примеры режимов реагирования в биологических системах, а также процессы распознавания образов в искусственных вычислительных автоматах с фиксированной или перестраиваемой последовательностью алгоритмов. Показана возможность описания работы адаптивных распознающих устройств как многоуровневых нейроноподобных элементов. Приведены варианты динамики реагирования таких нелинейных систем со многими взаимосвязанными компонентами. Работоспособность алгоритмов проверена на демонстрационных вариантах биометрических устройств. Адаптация системы по результатам тестовых вычислений с заданной выборкой прецедентов для всех классов позволила в несколько раз увеличить точность работы распознающего устройства.