Рассмотрим простейшую передаточную функцию
Задавая конкретные эталоны в исследованном выше примере, будем наблюдать за изменением величины возбуждения соответствующего нейрона выходного слоя. Мы видим, что каждый эталон приводит к одинаковой величине возбуждения нейрона выходного слоя.
Однако, например, при распознавании знаков алфавита величины возбуждения нейронов выходного слоя в ответ на предъявление различных эталонов могут быть различными. Так, эталон латинской / «засветит» на входном слое (на сетчатке) меньшее число нейронов, чем, скажем, буква Q. При рассмотренной передаточной функции величины возбуждения на выходе будут существенно разными.
Возникает вопрос: не приводит ли некоторое незначительное изменение (зашумление) ситуации А, логично требующее решения 
Разная величина возбуждения нейронов выходного слоя указывает на возникновение нежелательной приоритетности ситуаций или эталонов. Очевидно, это возбуждение следует както выровнять по эталонным ситуациям, привести к одной или достаточно близкой величине.
Введем постоянную величину U, например, как максимальное значение возбуждения некоторого нейрона выходного слоя или среднюю оценку, не превышающую такой максимум. Введем для каждого нейрона выходного слоя коэффициент приведения:
Значение находим не по обобщенному эталону, а по каждой конкретной эталонной ситуации, входящей в состав обобщенно
образует реальный эталон в составе обобщенного эталона {А1, В1, С1, С2, С3, С4, С5}. По нему (другие ситуации аналогичны) находим величину возбуждения 
В дальнейшем в режиме распознавания будем использовать произведение каждого значения возбуждения нейрона выходного слоя на его коэффициент приведения. Таким образом, мы поставим все эталонные ситуации на входе в равное положение.
