On entend par choix des bornes, le choix du segment sur lequel les valeurs d'entrées de sorties et des poids sont prises.
L'information sur la structure géographique peut être donné au réseau de neurone au travers d'un "floutage" de l'image d'entrée : Chaque pixel vide de l'image d'entrée est activé suivant le nombre de pixel adjacents rempli (avec un certain facteur : quantificateur de codage, et une valeur maximum : saturation codage)
Quand on sélectionne les bornes -1 1 on constate un apprentissage relativement rapide : chute rapide du taux d'erreur sur la base d'apprentissage. A contrario si on prend les bornes 0 1 l'apprentissage est beaucoup plus lent, on constate la présence de très grand paliers, l'erreur stagne sur un très grand nombre d'époque. Le "0" est absorbant et il est présent sur la mjaur partie de l'image, les modifications de poids attaché aux valeurs 0 n'ont pas d'influence, ceci peut expliquer le phénomène observé.
D'ailleurs quand on donne au réseau une information sur la structure géographique, ce qui a pour effet de diminuer le nombre 0 dans l'image d'entrée le réseau se comporte presque comme dans le cas des bornes à -1 1.