来源：原始 Jupyter Notebook。内容已转换为网页阅读格式；下载原文件。
生物学家在很早的时候就开始研究人体中的 神经元（neuron）结构。在人体内，神经元的结构形式并非是完全相同的，但是无论结构形式如何，神经元都是由一些基本的成份组成的，主要包括三大部分：细胞体，树突（dendrites） 和 轴突（axon）。一个神经元通常具有多个 树突，用来接受传入信号，说白了就是接受其他神经元传递过来的化学物质，这些化学物质汇聚在细胞体内可以改变神经元的电位，如果电位超过一个阈值，那么神经元被激活，并通过 轴突 传递信息到其他神经元。如下图所示：
基于上述的神经元结构，McCulloch 和 Pitts 在 1943 年提出了 M-P 神经元模型（由他们两的名字命名），在这个模型中，神经元接收 n 个输入，每个输入和神经元之间的连接赋有相应的权重，神经元通过某种计算（譬如带权求和）得到一个值，如果这个值超过神经元设定的阈值，就通过一个 激活函数 得到神经元的输出。如下图所示：
常见的激活函数有：
- 阶跃函数
- Sigmoid 函数
- tanh 函数
- ReLU 函数
- Softmax 函数
把许多个这样的神经元按一定的层次结构连接起来，就得到了 神经网络（neural network）。
除了 M-P 神经元模型，还有一些其他的神经元模型，比如脉冲神经元（spiking neuron）模型，但是 M-P 神经元模型是目前用的最多的和最广的，可谓是现在神经网络的基石。