Рассматривается способ обучения нейронных сетей, согласно которому знания, содержащиеся в одной сети, используются для обобщения входных сигналов, соответствующих неизвестным ей классам, с целью обучения на них другой нейронной сети с более простой архитектурой. Исследуется возможность применения реакции выходного сигнала обученной системы распознавания рукописных символов на предъявляемые ей изображения отсутствующих в исходной обучающей выборке символов с целью обобщения и последующей экстраполяции этой реакции в однозначно интерпретируемый выход другой системы в процессе ее обучения распознаванию новых классов. Подобно тому как человек в процессе познания способен осваивать все более сложные понятия и быстрее обучаться новым знаниям в зависимости от объема уже усвоенной информации, а также сохранять в памяти знания, которые были получены ранее, предлагаемый способ позволяет использовать результат обобщения входного сигнала уже обученной системы для освоения новых знаний за более короткое время, а также повышать ее точность без необходимости повторения всего цикла обучения, а следовательно, без изменения усвоенных прежде знаний. Представленный способ может применяться для оптимизации процесса обучения систем распознавания, увеличения точности уже обученных систем, а также для переобучения или дообучения их распознаванию новых классов без необходимости повторного обучения на исходном обучающем множестве.