يكي از ويژگيهاي عمده شبكه هاي عصبي توانايي ان ها در تعميم دهي است،به صورتي كه مي توانند الگوهايي را نيز كه در جريان آموزش مشاهده نكرده اند به درستي طبقه بندي ك نند . پرسپترون پند لايه اي اين عمل را با فراگيري ويژگي هاي برجسته الگوهاي ورودي در جريان آموزش و كد كردن آنها در واحدهاي دروني خود انجام مي دهد . بدين صورت الگوهاي ناشناخته بر اساس اشتراك ويژگيهاي برجسته آنها با ساير الگوها طبقه بندي مي شوند . در نتيجه آمو ز ش توسط نمونه ها امكان پذير مي شود،زيرا تنها لازم است مجموعه محدودي از الگو ها به شبكه آموزش داده شود .شبكه الگوهاي مشابه را با تعميم خاصيت هايي كه فرا گرفته است طبقه بندي مي كند . ليكن ورودي هاي متفرقه ونا خواسته نيز بر اساس شباهت صرف آنها با الگوهاي اصلي طبقه بندي مي شوند . اين خاصيت تعميم است كه شبكه هاي پرسپترون چند لايه اي را نسبت به ساير روشهاي الگوها وسيستم هاي خبره در مقابله با مسائل توانمند تر مي كند . به طور كلي ، شبكه هاي عصبي در درون يابي عملكرد خوبي دارند ليكن در برون يابي چندان قوي نيستند .آنها مي توانند الگو هايي را كه قبلاً ديده اند تشخيص دهند و الگوهاي مياني را كه نيز نديده اند در حيطه توانايي خود قرار دهند وليكن الگوهايي كه خارج از گستره الگوهاي آموزش داده اوليه شبكه است را نمي توانند به خوبي طبقه بندي كنند . زيرا نمونه هاي چنداني را براي م قايسه در اختيار ندارد .به عبارت ديگر اگر الگوهاي تازه اي بين دو الگوي آشنا قرار گرفته باشد شبكه آن را به عنوان نمونه اي از الگوي قبلي كه شبكه ديده است مشابهت نداشته باشد طبقه بندي به خوبي انجام مي گيرد .