之前有人问过一个与此类似的问题，但该问题的回答不够详细，无法解释我想知道的问题。

我一直在阅读人工神经网络 (ANN) 的介绍性材料。为连续值输入给出的示例总是使用单个输入神经元来获取变量的值。这就像下面的第一张图。

对我来说，这似乎是有限的。如果一个连续变量 X 可以取 1 到 10 之间的值，那么可以创建两个输入神经元，而不是具有一个值为 x 的单个输入神经元。如果 x 很小（在 1 和 5 之间），第一个神经元被激活，如果 x 很大（在 5 和 10 之间），第二个神经元被激活。这就像下面的第二张图。

第二个图中的这个输入离散化了 x，因此它丢失了一些关于 x 的信息，但我认为如果对 x 的响应应该根据 x 的大小而改变，这可能会很有用。例如，如果一个人工神经网络要确定一个人是男性还是女性，给定一个图像和这个人的年龄。ANN 应该根据人的年龄低或高来寻找不同的区别特征。

这种区分是否在实践中使用？它有很大的缺点吗？在某些情况下它仍然有用吗？