wartości funkcji wyjścia musi gwarantować wyekstrahowanie reprezentacji wag sieci ANN, kodującej wzorce obrazu sygnału wejściowego o cechach dystynktywnych. W powyższych podpunktach zostały omówione podstawy architektury niektórych sieci. Jest to jeden aspekt podziału sieci ANN. Drugim równie istotnym są metody obliczeniowe, stosowane w procedurach pobudzających i uczących sieci ANN. W ostatnim dziesięcioleciu powstało wiele nowych algorytmów uczenia sieci. W części wykorzystują one reguły uczenia wypracowane o wiele wcześniej. Reguła Hebba opracowana 1949 r. jest szeroko stosowana w systemach ANN. Określa ją wzór <gap> w którym - współczynnik z przedziału (0,1), m - numer aktywowanego (pobudzanego) neuronu, j - oznacza krok procedury uczącej, i - numer wejścia