swoją reprezentację wag do zbioru wartości odpowiadającego optymalnemu filtrowi wykonującemu postawiony przed nim problem. Filtry tworzone w procesie uczenia sieci ANN mogą być wykorzystane do dolno- lub górnoprzepustowej filtracji sygnału, wydobycia określonych cech sygnału lub np. analizy widmowej. Ich pozytywne cechy to również prosta budowa i prosta procedura ucząca działająca szybko i bezproblemowo dla jednej warstwy elementów. Są również i wady, z których najważniejszą jest ograniczoność form odwzorowań zbioru sygnałów wejściowych. W procesie uczenia możemy jedynie zmieniać położenie ograniczającej hiperpłaszczyzny, nie możemy natomiast zmienić jej kształtu. Uniemożliwia to wykonanie za pomocą przedstawionej sieci MADALINE bardziej skomplikowanych przekształceń, takich jak np. predykcja