2.1節で述べた神経細胞をモデル化したものが、 ニューラルネットワークの構成要素のニューロンである。 その中で単純かつ広く利用されているのが1943年にW.S.McCulloch, M.H.Pittsが提案した、 マッカロックーピッツのニューロンモデル(MPモデル)である。
図2.3がそのモデル図であり、次式で表す事が出来る。
ここで、は時刻のニューロンの出力値 (出力は1(発火状態)もしくは0(静止状態)のどちらかである)。 はニューロンへの入力の総数、 は番目の入力のシナプス結合荷重、 は番目のシナプス結合を形成している入力側のニューロンの出力、 は離散時間( )、 そしてはニューロンの閾値である。
図2.4はMPモデルの入出力特性である。 このモデルでは出力関数にヘビサイド関数を用いている。 出力が1または0のどちらかであったのはこの出力関数故である。 またの値が1であればその入力側のニューロンは発火しているとも分かる。
MPモデルはこのように非常に単純な構成からなるが利用性は高い。 簡単な例として2入力()の場合を考える。 この時それぞれのパラメータを, , とすれば論理積(AND)素子、 , , とすれば論理和(OR)素子を実現できる。 また、1入力()で, とすれば否定(NOT)素子も実現できる。 このようにMPモデルは論理的に万能な素子である。