اين شبکه عصبی برمبنای یک واحد محاسباتی به نام پرسپترون ساخته میشود.یک پرسپترون برداری از ورودیها با مقادیر حقیقی را گرفته و یک ترکیب خطی از ورودی ها را محاسبه می کند.اگر حاصل از یک مقدار آستانه بیشتر بود خروجی پرسپترون برابر با 1 و در غیر اینصورت معادل -1 خواهد بود.شبکه های عصبی پرسپترون،به ويژه پرسپترون چندلايه در زمره کاربردی ترين شبکه های عصبی می باشند،اين شبکه ها قادرند باانتخاب مناسب تعدادلايه ها و سلول های عصبی،که اغلب هم زياد نيستند، يک نگاشت غير خطی را با دقت دلخواه انجام دهند .

پرسپترون تک لايه:

نخستين شبکه ای که بررسی میكنيم پرسپترون تک لايه است که ساختار آن به صورت زير است:

يادگيري يك پرسپترون

یادگیری پرسپترون عبارت است از پیدا کردن مقادیردرستی برایW بنابراین فضای فرضیه Hدریادگیری پرسپترون عبارت است ازمجموعه تمام مقادیرحقیقی ممکن برای بردارهای وزن.خروحی پرسپترون توسط رابطه زیرمشخص میشود:

1 if w0 + w1x1 + w2x2 + … + wnxn > 0

(x1,x2,…,xn) =

-1 otherwise

توابعی که پرسپترون قادر به یادگیری می باشد:

یک پرسپترون فقط قادر است مثالهائی را یاد بگیرد که بصورت خطی جداپذیر باشند.اینگونه مثالها مواردی هستند که بطور کامل توسط یک hyperplane قابل جداسازی میباشند.