Comment définir un modèle neuronal comme linéaire ou non linéaire

Question

Tl; dr: Dans quel sens le modèle d'un neurone vu dans l'image ci-dessus non linéaire?

Dans le chapitre 1, section 1.3 Modèles d'un neurone de Simon Haykin Les réseaux de neurones Livre, le modèle standard d'un seul neurone est décrit et visualisé dans l'image ci-dessus.

Haykin déclare que ce modèle, qui se compose d'un ensemble d'entrées x1..xm, leurs poids correspondants w1..wm, un combinateur linéaire qui résume les entrées pondérées et le biais (b) et une fonction d'activation qui prend cette somme et produit La sortie est non linéaire. Donc, ma question est: la sortie ne dépend-elle pas linéairement de l'entrée? Par exemple, si le neurone ne prend qu'une seule entrée, x1, alors le combiner linéaire prend la forme v = x1 + b et la fonction d'activation est φ (v). Ainsi, la seule façon dont je peux voir que ce modèle est non linéaire est si la fonction d'activation est non linéaire. Mais il y a clairement des cas où la fonction d'activation est linéaire (comme la fonction linéaire par morceaux décrite dans la même section du livre). Alors, comment ce modèle peut-il être intrinsèquement non linéaire?

Je me rends compte que ce n'est pas une préoccupation majeure, mais j'aimerais comprendre chaque partie du livre avant de passer à autre chose, et cela me dérange depuis que je l'ai vu.

Merci à tous d'avance pour vos réponses.