Cílem knihy je navázat na úspěšné publikace z oblasti umělé inteligence nakladatelství BEN – technická literatura. A právě v rámci této publikace jsou prezentovány vytvořené metodiky pro analýzu a rozpoznávání struktur v časově závislých datech. Konkrétně je čtenář seznámen s vytvořenými detekční systémy umožňujícími rozpoznávat struktury vzorů, jež reprezentují chování komplexních systémů, jako jsou například struktury Elliottových vln a jejich deformací. Všechny zde prezentované klasifikátory jsou založené na umělých neuronových sítích a jejich funkčnost byla ověřena v experimentálnch simulacích. Velká část knihy se proto věnuje samotným vzorům, jejich popisu, reprezentaci a přípravě trénovacích množin pro adaptaci vybraných neuronových sítí. Časově závislá data reprezentují chování systémů, na které nahlížíme ‚zdola-nahoru‘, a proto zde uplatňujeme přístup bottom-up se znaky samoorganizace a emergence. Nejprve vždy vymezíme jednotlivé entity systému a vzory jejich chování, přičemž interakce mezi entitami včetně chování systému jako celku poté vyplynou během činnosti systému – emergují za jeho běhu. Čtenář je v rámci této publikace seznámen s různými klasifikátory na bázi umělých neuronových sítí jako nástroje pro klasifikaci a rozpoznávání vzorů v grafech, které jsou použitelné v běžném (komerčním) prostředí burzy či při simulacích.