Ein künstliches Neuron imitiert biologische Neuronen und bildet, wie der Name vermuten lässt, das Fundament der künstlichen neuronalen Netze. Sowohl künstliche als auch biologische Neuronen sind in der Lage, Informationen aus mehreren Quellen, also mehrere Eingabegrößen, aufzunehmen, zu verarbeiten und daraus einen Ausgabewert zu generieren. Neuronen sind also nichts anderes als Funktionen, welche Eingabegrößen zu Ausgabegrößen verarbeiten, oder aus x ein f(x) machen. Im Beispiel zur linearen Regression haben wir uns das erste künstliche Neuron gebastelt, ohne zu wissen, was ein solches Neuron überhaupt ist bzw. bewirken soll. Hierbei hatte das Neuron bzw. die Geradengleichung nur eine Eingabe- und eine Ausgabegröße. Neuronen können aber, wie die biologischen Neuronen, auch mehrere Eingabegrößen aufnehmen, siehe die folgende Abbildung (idealisiert), mit den Eingabegrößen I und den Ausgabegrößen O.

Im Beispiel mit der Durchführung einer Veranstaltung und den teilnehmenden Personen, könnte auch die Größe des gemieteten Raumes, die Qualität des Catering und weiteres als Eingabegrößen aufgenommen und verarbeitet werden. Jede Eingabegröße kann dabei unterschiedlich gewichtet werden. Eventuell macht die Anzahl der teilnehmenden Personen 80% der Kosten aus, der Rest dann entsprechend weniger. Nimmt man nun die Werte der Eingabegrößen, können diese mit den entsprechenden Gewichtungen multipliziert und anschließend im Neuron verarbeitet werden, siehe folgende Abbildung. Hierbei tritt ebenfalls wieder die Aktivierungsfunktion auf, welche entscheidet, ab wann das Neuron quasi feuert und einen Wert weitergibt.

Sauber mathematisch kann ein Neuron durch die folgende Funktion ausgedrückt werden.