本研究提出了一种新颖的生物储Reservoir计算（BRC）范式，利用培养的生物神经元池进行模式识别。通过多电极阵列实时记录神经活动，生成非线性映射，提升了模式识别的效率和简便性。实验结果表明，生物神经网络在执行传统人工神经网络任务方面具有可行性。

该研究提出了一种新颖的DIQNN人工神经网络模型，将生物神经元属性纳入其中以增强计算能力。同时，介绍了一种低秩DIQNN以降低计算成本，并提出了一个边界来描述泛化误差。实验结果证明了测试精度的变化得到了加速。