A comprovação clínica do diagnóstico da epilepsia é realizada por um neurofisiologista que analisa registros de eletroencefalograma (eeg) do indivíduo com suspeita da doença, resultando em um processo demorado. embora muitos estudos tenham proposto métodos ou sistemas de automatização da análise dos registros de eeg, ainda não existe um algoritmo ou sistema que realize este tipo de tarefa com o sucesso esperado no ambiente clínico. uma solução adotada para aumentar o desempenho de tais classificadores é o processamento digital dos sinais de eeg. dentre os métodos de processamento, a transformada wavelet tem apresentado resultados promissores. em continuidade aos estudos desenvolvidos em uma linha de pesquisa do instituto de engenharia biomédica (ieb-ufsc) da universidade federal de santa catarina (ufsc), este trabalho propõe-se a realizar uma comparação direta entre os dois métodos de aplicação da transformada wavelet: banco de filtros e escalogramas. as funções wavelet analisadas neste trabalho foram escolhidas de acordo com uma revisão da literatura. uma base de dados com segmentos de sinais de eeg é processada com banco de filtros e escalogramas. a base de dados processada é aplicada à entrada de redes neurais artificiais para o reconhecimento de padrões eletrográficos característicos de pacientes com epilepsia. os resultados são analisados a partir de dois métodos: análise não paramétrica e análise da rede com maior eficiência obtida para cada função wavelet. utilizando análise não paramétrica, as funções coif 4 e db 4, utilizando banco de filtros, e bior 3.1 e coif 1, utilizando escalogramas, apresentam bom desempenho. por sua vez, fazendo análise com base em apenas uma única rede para cada função, a melhor configuração é utilizando a função bior 3.1 com processamento por banco de filtros