im Kontext Neuronale Netze die Bezeichnung für den Fehler, der entsteht, wenn man im Fall nicht-orthogonaler Eingabevektoren eine Menge von diskreten Trainingswerten in Summen von Produkten speichern will, die durch die Hebb-Lernregel entstehen.

Konkret ergibt sich der crosstalk wie folgt: Es seien die diskreten Trainingswerte

\begin{eqnarray}({x}^{(s)},{y}^{(s)})\in {{\mathbb{R}}}^{n}\times {{\mathbb{R}}}^{m},1\le s\le t,\end{eqnarray}

\begin{eqnarray}W:={({w}_{ij})}_{i=1\ldots n}^{j=1\ldots m}\end{eqnarray}

\begin{eqnarray}{w}_{ij}:=\displaystyle \sum _{s=1}^{t}{x}_{i}^{(s)}{y}_{j}^{(s)},1\le i\le n,1\le j\le m.\end{eqnarray}

Bildet man nun für einen beliebig gegebenen Vektor x^(r), 1 ≤ r ≤ t, aus dem Datensatz das Produkt W^Tx^(r), so läßt sich das Ergebnis schreiben als

\begin{eqnarray}{W}^{T}{x}^{(r)}={y}^{(r)},1\le r\le t,\end{eqnarray}