Для розв’язання задачі «стабільності-пластичності» штучних нейронних мереж запропонована архітектура, яка містить консервативні блоки. Ці блоки являють собою наперед навчені нейронні мережі або блоки, що реалізують безпосереднє обчислення необхідних вихідних даних за деяким визначеним алгоритмом.

Загальний принцип побудови штучних нейронних мереж з консервативними блоками полягає в реалізації архітектури, в якій генеральна нейронна мережа складається з окремих компонентів (складових) різного рівня інтеграції. При цьому використовуються окремі блоки (складові високого рівня інтеграції), що відповідають деяким заздалегідь навченими нейронним мережам, характеристики яких залишаються незмінними як в процесі навчання генеральної мережі, так і в процесі функціонування всієї структури. Як складові низького рівня інтеграції при реалізації цього методу використовуються елементарні компоненти нейронних мереж (нейрони з відповідними синаптичними зв’язками). Звичайно, об’єднання вказаних «готових» блоків може бути здійснено і компонентами, які реалізують безпосередні розрахунки за відповідними формулами чи алгоритмами.

Отже, відповідно до цього методу розширення можливостей генеральної штучної нейронної мережі та спрощення процесів її навчання і функціонування досягається за рахунок використання «готових» (повністю сформованих та навчених) складових – консервативних блоків, а додаткові її можливості щодо розв’язання конкретної задачі реалізуються об’єднанням таких складових, для чого можуть використовуватися як методи технології нейронних мереж, так і інші математичні методи.

Зазначимо, що використання у складі штучних нейронних мереж «готових» блоків на сьогодні слід вважати одним з найефективніших методів розв’язання актуальної для практичного використання технології ШНМ задачі  стабільності – пластичності.