ニューラルネットワーク（NN: Neural Network）は、人間の脳の神経細胞（ニューロン）のつながりを模倣したAIの手法です。
NNは入力層、中間層、出力層の3つの層で構成されています。
各層には多数のニューロンがあり、層をまたいで互いにつながっています。

graph LR
    A[入力層] --> B[中間層] --> C[出力層]

入力層のニューロンには、外部からデータが入力されます。
中間層のニューロンは、入力層から受け取ったデータを加工します。
出力層のニューロンは、中間層から受け取ったデータを基に、最終的な判断を行います。

各ニューロンでは、他のニューロンから受け取ったデータを基に計算を行います。
この計算で用いられる数式が、活性化関数です。
活性化関数は、ニューロンに入力された値を、次のニューロンに渡す値に変換します。

活性化関数の役割は、ニューロンの出力値を調整することです。
これにより、NNは複雑な問題を解くことができるようになります。

例えば、画像認識のNNでは、入力層のニューロンに画像データが入力されます。
中間層のニューロンは、画像の特徴（線、角、色など）を抽出します。
出力層のニューロンは、抽出された特徴を基に、画像が何を表しているか（例: 犬、猫、鳥など）を判断します。
各ニューロンでは活性化関数が用いられ、適切な値に変換されることで、正確な判断が可能となります。

以上の解説から、正解は「一つのニューロンにおいて，入力された値を基に計算し，次のニューロンに渡す値を出力する。」となります。