niższej warstwy.<br>&lt;gap&gt;<br>Dla akustycznych sygnałów diagnostycznych można to interpretować w taki sposób, że pierwsza warstwa ukryta ma za zadanie wykrywać krótkotrwałe zdarzenia akustyczne, podczas gdy komórki drugiej warstwy ukrytej wykrywają i "zapamiętują" zdarzenia o dłuższym okresie trwania. Ostatnia warstwa sieci pełni rolę dyskryminatora wyników przeprowadzonych obliczeń, wskazując na klasę (stan) diagnozowanego obiektu. Proces uczenia sieci wielowarstwowych zależy głównie od rodzaju zadania wykonywanego przez sieć. Podstawową różnicę między komputerami konwencjonalnymi a sieciami ANN można scharakteryzować krótko: że te pierwsze działają na zasadzie tzw. algebry Boole'a, podczas gdy sieci neuronowe - na zasadzie np. algebry macierzowej.<br>Głównymi cechami wyróżniającymi sieci ANN są:<br>a) "naturalna