Các mạng thần kinh đa lớp chuẩn có khả năng biểu diễn những gì trong phạm vi nó được học, còn ngoài phạm vi đó thì ANN bị bão hòa, hay nói một cách khác ANN không có khả năng ngoại suy các giá trị nằm ngoài khoảng dao động của các biến đầu vào. Trong khi đó, các bài toán thực tế (chẳng hạn mưa rào - dòng chảy) thường yêu cầu phải tính các giá trị ngoại suy. Do ANN có thể học được đạo hàm tổng quan của hệ thống và sai số bảo đảm của ANN có thể được tính theo lý thuyết cực tiểu hóa mạo hiểm theo cấu trúc (SRM) nên tác giả đề nghị dùng triển khai chuỗi Taylor đối với ANN để tính các giá trị ngoại suy. Cách này sẽ làm cho ANN chuẩn thông minh hơn và có thể hiện tốt hơn khi chúng được ứng dụng vào các bài toán kỹ thuật