ここで示した はニューロンが受け取る 番目のシナプス前細胞の出力、 すなわちニューロンの入力のことである。 は興奮のしきい値、 はシナプス結合荷重、 は出力値である。 このモデルでは、ニューロンの位置関係や構造、シナプスの構造や機能などの影響因子で決まるニューロン間の信号の伝わり方を、 シナプス結合荷重というパラメータに押し込めて表現をしている。 以上のことを元にすると以下のような式を導くことができる。
式(2.1)における は膜電位の変化量である。 つまり、各入力にシナプス結合荷重を掛け合わせたものがしきい値 を超えたときに、ニューロンは興奮状態になる。 このモデルの場合、入力や出力は興奮状態である1と非興奮状態である0の離散的な値であり、式(2.3)のように与えられている。
連続モデルである場合、 は図 2.3以外にも考えることができるが、 式(2.4)のような関数はシグモイド関数と呼ばれ、 全領域で微分可能であり、かつ、常に有限な出力を出すため、よく用いられている。 このシグモイド関数を図 2.4に示す。