الگوریتم پرسپترون چند لایه‌ای که از قاعده آموزش پس انتشار استفاده می‌کند در زیر شرح داده شده است . این الگوریتم به توابع غیر خطی نیاز دارد که به طور پیوسته قابل مشتق‌گیری باشند . به عبارت دیگر توابع باید هموار باشند . ما استفاده از تابع قابل مشتق‌گیری باشند . به عبارت دیگر توابع باید هموار باشند . ما با استفاده از تابع سیگموید،           را به علت سادگی مشتق آن انتخاب کرده‌ایک .

الگوریتم آموزش پرسپترون چند لایه‌ای

  1. مقادیر اولیه ضرایب وزنی و آستانه‌ها را انتخاب کنید .تمام وزن‌ها و آستانه ها را برابر با اعداد کوچک تصادفی قرار دهید.

ورودی‌ها و خروجی های مطلوب را به شبکه عرضه کنید .

  1. ورودی و خروجی هدف                   را به شبکه عرضه کنید تعداد عناصر بردارهای ورودی و           مقدار عناصر بردارهای خروجی است . ضریب وزنی را برابر با منفی مقدار آستانه     و مقدار   قرار دهید . اگر مسئله مورد نظر ما مسئله تداعی باشد         نمایانگر دو بردار تداعی شونده هستند . در مسئله طبقه‌بندی تمام عناصر   برابر با صفر قرار داده می‌شود مگر یکی از عناصر که برابر با ۱ است و آن طبقه‌ ای را نشان می‌دهد که   در آن قرار دارد .
  2. خروجی را محاسبه کنید .

هر لایه مقادیر زیر را محاسبه کرده و به لایه بعدی انتقال می‌دهد .

  1. ضرایب وزنی را میزان کنید . ابتدا از لایه خارجی شروع کنید و به عقب برگردید
  2. نشان دهنده ضرایب وزنی از گره I به گره در زمان   ضریب بهره و نمایانگر خطای مربوط به الگوی p در کره است .

در مورد واحدهای لایه خارجی

در مورد واحدهای لایه پنهان :

در حالی که عمل جمع در مورد واحد واقع در لایه بعدی از واحد صورت می گیرد .