تمثّل القدرة على التعرف التلقائي على لغة الإشارة موضوعًا مهمًا في مجالات التفاعل بين الإنسان والآلة والتعلم الآلي. من ناحية، تشكل هذه المهمة تحديًا معقدًا يتطلب تدخلًا من مجالات معرفية متعددة، مثل معالجة الفيديو ومعالجة الصور والأنظمة الذكية واللغويات. ومن ناحية أخرى، يمكن أن يسهم التعرف القوي على لغة الإشارة في تسهيل عملية الترجمة ودمج الأشخاص الصمّ والبكم في المجتمع.تقدم هذه الورقة مساهمتين رئيسيتين: أولاً، إنشاء قاعدة بيانات لأشكال الأصابع في لغة الإشارة الأرجنتينية (LSA)، وهي موضوع لم يُناقش بعد بشكل واسع حتى الآن. ثانيًا، تطوير تقنية لمعالجة الصور واستخراج السمات، تليها تصنيف أشكال الأصابع باستخدام نموذج مُعدّل للخرائط ذاتية التنظيم (Self-Organizing Maps) بنظام تعليم مراقب يُعرف بـ ProbSom. وتم مقارنة هذه التقنية مع تقنيات حديثة أخرى من بينها آلات الدعم المتجهات (SVM) والغابات العشوائية (Random Forests) والشبكات العصبية.تتضمن القاعدة البيانات التي تم بناؤها 800 صورة تمثل 16 شكلًا مختلفًا لأصابع لغة الإشارة الأرجنتينية، وتمثّل خطوة أولية نحو إنشاء قاعدة بيانات شاملة للإشارات الأرجنتينية. وقد حقق المصنف العصبي القائم على ProbSom، باستخدام السمة المقترحة، معدل دقة يفوق 90%.