If these two combination function are linear, then what you have said  about the input node will be right.

假设神经网络中权重的正负是可以代表促进或抑制作用的（没看到过理论解释）；
  在多变量（比如还有变量B C等）情况下，
  这里隐含层H11，不单单只有变量A对应，而是综合了变量A B C的加权结果，
  隐含层H11再对应到输出层，也不仅仅代表变量A与输出层之间的关系；
  即使只有一个变量A，如果隐含层节点不止一个（比如有H12 H13等），A也对应了
  多个隐含层节点，也不能由H11的权重说明，A对输出层是什么确切关系；
  如果只有一个变量，隐含层只有一个节点，感觉上是能这么说；
  不过单变量的情况，倒不如画个散点图来得直观了，  所以神经网络的结果基本是没法解释的。