Розв'язано задачу розпізнавання та коригування сильно пошкоджених матричних кодів, а саме QR-кодів, у яких присутній високий рівень шуму, відсутні ключові елементи або накладаються кольори. Такі зображення не розпізнаються декодуючим програмним забезпеченням, оскільки структура детекторів елементів пошкоджена, а коригуюча здатність вбудованих кодів Ріда-Соломона не дозволяє виправити необхідну частину помилок. Тому запропоновано алгоритм, який базується на використанні штучної нейронної мережі Хеммінга-Ліппмана з базою еталонів та обробленні зображень у режимі ковзного вікна, що спрощує процес навчання мережі без використання трудомістких обчислювальних операцій, великих обсягів пам'яті та витрат часу, навіть для зображень високої роздільної здатності та великих розмірів. Процес навчання мережі складається з двох частин: обробка зображень, розпізнавання та корекція зразка.