En informatique, on peut représenter un neurone comme un objet qui reçoit plusieurs entrées (qu'on appellera inputs) , et qui renvoit une seule sortie (qu'on appellera output).
Le schéma classique du neurone est le suivant :
Afin de calculer l'output qu'il doit renvoyer, le neurone réalise en réalité une combinaison linéaire des différents inputs qu'il reçoit.
Exemple : imaginons que le neuron reçoit comme 3 inputs : qu'on notera \(I_1\), \(I_2\) et \(I_3\). Comme ce neurone possède 3 inputs, il doit avoir 3 coefficients, qu'on appelera poids (ou weigth en anglais), notons les \(W_1\), \(W_2\) et \(W_3\). Alors l'output du neurone sera de la forme : \(I_1*W_1+I_2*W_2+I_3*W_3\)
Plus généralement, si on appelle \(I_1, I_2 ... I_n\) les n inputs que reçoit le neurone et \(W_1, W_2 ... W_n \) les n poids que le neurone affecte à chaque input, alors sa sortie sera : $$\sum\limits_{k = 1}^n I_k*W_k = I_1*W_1+I_2*W_2+ ... + I_n*W_n$$