本文探讨了二次神经元在深度学习中的应用，提出了QuadraNet模型，利用其高阶优势提升认知和计算性能。研究表明，使用一层二次神经元可在较少隐藏层下实现更高准确性。此外，提出的DIQNN模型表现优于传统神经网络，并通过低秩方法降低计算成本，提供了新的理论框架分析泛化误差。

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。