وارن مک کلاچ و والتر پیتز در اوایل دهه 1940 شبکههایی را طراحی کردند که به عنوان اولین شبکه های عصبی شناخته میشوند. یکی از ویژگیهای نرون مک کلاچ- پیتز مبتنی بر این ایده است که اگر ورودی شبکه به یک نرون، از مقدار آستانه آن نرون بیشتر باشد، آنگاه آن واحد نرون برانگیخته میشود. امروزه این ایده در بسیاری از شبکه های عصبی مصنوعی مورد استفاده قرار میگیرد. با توجه به ماهیت نرونهای مک کلاچ– پیتز، شبکه های مبتنی بر این نرونها بیشتر به عنوان مدارهای منطقی به کار میروند.
ویژگی های اصلی نرون مک کلاچ- پیتز را میتوان به صورت زیر خلاصه کرد:
1- تابع فعال سازی نرون مک کلاچ- پیتز دودویی است، بدان معنی که در هر مرحله زمانی، نرون یا برانگیخته میشود(دارای فعالسازی 1 است) و یا برانگیخته نمیشود (دارای فعالسازی 0 است).
2- نرونهای مک کلاچ- پیتز از طریق اتصالات مستقیم و وزن دار بهم متصل میشوند.
3- اگر وزن روی اتصال مثبت باشد، مسیر اتصال تحریکی است، در غیر اینصورت مسیر بازدارنده است. (قابل توجه است که: تمام اتصالات تحریکی به یک نرون خاص، وزنهای یکسان باید داشته باشند).
4- هر نرون دارای سطح آستانه ثابتی است که اگر ورودی شبکه به آن نرون، بزرگتر از مقدار آستانه باشد، نرون برانگیخته میشود.
5- سطح آستانه هر نرون طوری تعیین میگردد که بازدارنرگی آن کامل باشد. این بدان معنی است که هر ورودی بازدارنده غیر صفر مانع از برانگیخته شدن نرون میشود.
6- عبور یک سیگنال از یک مسیر اتصال، به اندازه یک واحد زمانی طول میکشد.
نمونه ساده نرون مک کلاچ-پیتز در شکل زیر نمایش داده شده است، که برخی از شرایط فوق را نشان میدهد.
اتصال از X1 به Y، همانند اتصال از X2 به Y تحریکی است. این اتصالات تحریکی وزنهای مثبت یکسانی دارند ( چون به یک واحد وارد میشوند). همچنین اتصال X3 به Y، بازدارنده است.
با توجه به مقادیر وزنهای تحریکی و بازدارنده ، مقدار آستانه برای Y باید برابر با 4 باشد. در این مثال، این تنها مقدار صحیح آستانه است که به Y امکان میدهد که گاهی اوقات برانگیخته شود، چرا که هر سیگنال غیر صفری در اتصال بازدارنده دریافت شود از برانگیخته شدن واحد Y جلوگیری گردد.
یک واحد زمانی طول میکشد که سیگنال از واحدهای X به واحد Y برسند. استفاده از این واحدهای زمانی گسسته، شبکه نرونهای مک کلاچ-پیتز را قادر میسازد که پدیده های فیزیولوژیکی را که در آنها تاخیر زمانی وجود دارد مدلسازی نماید.