对于当今高性能快速的电磁工程计算机辅助设计（CAD）来说，建立起精确可靠快速的元器件模型显得十分有必要。近年来，人工神经网络（ANN）作为一种快速准确的建模工具在电磁工程领域中引起了广大工程设计者的极大关注。 本文在人工神经网络建模的基础上引入了可用于复杂的电磁工程建模的知识人工神经网络（KBNN），同时提出了两种新型结构的知识人工神经网络：一种是采用主要元素项分析（PCA）作为网络训练数据前处理器的稳健的知识人工神经网络（RKBNN）；另一种是含有知识人工神经元的人工神经网络（NNKBN），其知识人工神经元的活化函数是由扩展的经验公式构成。 首先，应用RKBNN建立起了高速数字集成电路（HSDIC）共面互连线结构的频变电阻电感网络计算模型。结果表明：通过在网络中加入PCA训练数据前处理器，网络训练的效率和稳定性都得到了很大的提高，同时受训后各RKBNN模型还具有较强的推广能力。 其次，在训练样本数据匮乏的情况下，应用NNKBN建立起了广泛应用于多芯片封装模块（MCM）中带状线间隙的不连续特性网络计算模型。结果表明带状线间隙不连续特性的NNKBN模型在保持较高的建模精度下具有良好的外推特性。 总之，应用本文提出的知识人工神经网络所建立的网络计算模型不仅保持了电磁数值仿真的精度，而且还可以降低它们对CPU和内存等硬件的要求，同时还具有良好的外推特性。因此，通过在网络结构中镶入建模对象先验知识信息的人工神经网络在高性能快速的电磁工程CAD中具有很大的应用潜力。