由于人工神经网络（ＡＮＮ）的种类繁多、行为各异，因此有必要建立一个统一的建立在生物基础上的理论框架。以便进一步发展ＡＮＮ的各种高级应用。这个框架由神经元模型、突触的可塑性以及它的学习算法、神经网络的结构三部分组成。本文是它的第一部分，神经元模型是由建筑在神经生理基础之上的九个特性组成，可以定量描述包括：（１）空间总和效应；（２）时间总和效应；（３）阈值特性；（４）不应期；（５）适应性；（６）兴奋与抑制特性；（７）延时；（８）输出特性；（９）传导特性。这些特性是从长期的生理实验中获得的，也可以由Ｈ－Ｈ方程经计算机模拟获得［１］，我们作了这些模拟。由这九个特性构成的神经元模型不便于作统一的数学分析。其中某些特性在某些情况下是不重要的；如传导特性，适应性等。而另一些特性如空间总和效应，输出特性是较为重要的。衡量目前流行的各种神经网络模型，发现都没有超出九个特性［２］。应用这些特性于实践及各种仿真研究中，都获得良好结果如联想记忆及ＥＣＧ的数据压缩等。