Предложена модифицированная модель нейронных сетей прямого распространения, позволяющая осуществлять прогноз трансформаций входного растрового образа по результатам обучения на выборке последовательных видеокадров. Вероятностно-пороговый характер активации нейронов в составе сети определяет импульсный режим ее функционирования. Тем самым обеспечивается вариативность прогноза по отношению ко входной информации. Замыкание выходных сигналов нейронной сети на ее входы позволяет обеспечить многошаговый прогноз. Использование нейронов с локальными рецептивными полями и бинарная природа растровых образов, порождаемых сетью, открывают перспективы для существенного повышения вычислительной эффективности нейросетевых алгоритмов обработки информации в технических системах. Ключевым отличием предложенной модели вероятностно-импульсной нейронной сети от нейронных сетей с детерминистичекой активационной функцией является ее вариативность, которая выражается в возможности сети прогнозировать различные трансформации изображения из одной и той же бифуркационной точки фазового пространства. Это открывает перспективы для создания развитых моделей мышления в составе интеллектуальных информационно-управляющих систем, способных анализировать возможные варианты развития событий и с упреждением принимать целесообразные управляющие решения. Практическое использование развиваемого подхода к прогнозу растровых образов связано с задачами управления автономными робототехническими системами; организации охранных систем видеонаблюдения; прогноза атмосферных процессов; финансовой аналитики; медицины и т.д. Бинарность и неполносвязность рассмотренной вероятностно-импульсной сети открывают широкие перспективы для ее высокоскоростной аппаратной реализации.