ニューラルネットワークにおいては、ユニット同士が互いに神経線維に対応する線で結ばれている。また、実際のニューロン間のシナプス結合と呼ばれる結合と同様に、信号は一方向のみに伝わり、それぞれの結合部分に結合荷重をつけられて、結合されたユニットに出力される。この結合荷重が、ユニット同士の結合の度合いを表している。
このように重みが付いたそれぞれの入力値は、ユニットで総和
がとられ、応答関数
によって変換されて次のユニットへと出力される。
重みの値は、興奮性結合の場合は正の値、抑制性結合の場合は負の値を示す。また、この重みは学習することによって変化させることができる。
ユニットに入力された信号の総和は応答関数
によって変換されるが、その応答関数はいくつかのものが考案されてきている。
図 2.3は、階段関数、あるいはヘビサイド関数と呼ばれるもので、この関数を用いればニューロンの出力を0か1で表すことができる。
図 2.4は、シグモイド関数と呼ばれる準線形の応答関数である。
第4章で説明するバックプロパゲーションという学習法において、微分可能な関数が必要となるため、そこで用いられる。