Alter und Geschlecht wurden anhand der Entropie, der Ridge-to-Valley-Area (RVA) und des neuronalen Trainings der Energie von Fingerabdrücken unter Verwendung der Haar-Wavelet-Transformation extrahiert. Das Geschlecht wurde auf der Grundlage der Entropie von Fingerabdrücken vorgeschlagen. Das Alter wurde anhand der bis zur 3. Ebene des Haar-Wavelet berechneten Energie des Fingerabdrucks geschätzt. Es wird vorgeschlagen, den Fingerabdruck auf Ebene 3 zu zerlegen und so die 12 Energieniveaus zu berechnen. Diese Energieniveaus werden zusammen mit RVA und Entropie als Eingangsneuronen für ein neuronales Netz mit zwei versteckten Neuronen und vier Ausgangsklassen verwendet. Das neuronale Backpropagation-Netzwerk wird mit 300 Fingerabdruckbildern trainiert, davon 150 männliche und 150 weibliche. Die Gewichte werden mit einem Ziel-MSE von 0,00001 eingestellt. Das neuronale Netz wird mit einer Lernrate von 0,1 trainiert, was ein schnelles Lernen des Netzes ermöglicht, wobei die Gewichte so angepasst werden, dass die vier Ausgangsklassen, d. h. die Altersgruppen 10-15, 16-20, 21-25 und 26-30, abgestimmt werden.