本文在仔细分析神经网络知识存储方式的基础上,指出了现有存储方式的严重不足:由大量具有简单处理能力的神经元组成的神经网络,虽然具有一定的智能处理能力,但由于每个神经元不具备复杂的处理能力,故必然导致由此构成的网络存在着诸如局部极小、收敛速度缓慢、推广能力差等缺点,尤其是难于用于实时处理系统,大大限制了神经网络的应用范围。为此,本文提出了一种新的智能型神经元模型并将它与常用的神经元模型进行了比较,后续论文“高阶神经网络及广义知识存储原理”将指出具此实现的算法可以将标准BP算法的收敛速度提高1000倍以上