Bias پارامتری قابل‌آموزش است که به مجموع وزن‌دار ورودی‌های یک نورون اضافه می‌شود. وجود بایاس به مدل اجازه می‌دهد آستانه یا جابه‌جایی تابع تصمیم را مستقل از ورودی تنظیم کند.
وزن‌ها اثر ورودی‌ها را تنظیم می‌کنند و بایاس مقدار پایه محاسبه را جابه‌جا می‌کند.
اگر نورون فقط مجموع وزن‌دار ورودی‌ها را محاسبه کند، بدون Bias ممکن است مرز تصمیم آن به اجبار از مبدا عبور کند. Bias این محدودیت را در بسیاری از مدل‌ها کاهش می‌دهد.