每一个神经元通过它的分叉组织去接受多个电信号，而每一个分叉会将电信号先做一些处理，也就是把这个传入的电信号乘以一个参数，所以分叉对应的参数就可以组成一个向量，我们称之为权重向量W。那么输入的电信号又可以组成一个向量，我们把输入的电信号所组成的这个向量称之为训练样本X。
整个机器学习的最终目的，就是通过这个输入的训练样本，反复去计算和更新这个权重向量。只有这个权重向量更新到一定的程度之后，我们整个模型才能够去有效的去对输入的未知数据进行分类和预测。
当这个感知原把所有输入的电信号结合在一起，计算出一个唯一的值之后，那么通过这个步调函数去判断一下，得到的这个z如果大于这个阈值呢我们这个感知器就会输出一个电信号它的值为1，如果z小于阈值，感知器就输出另一个电信号它的值是-1。