大家好,今天小六子来为大家解答以下的问题，关于多层感知机和人工神经网络，多层感知机和神经网络的区别这个很多人还不知道，现在让我们一起来看看吧！

1、发展背景不同：感知器是Frank Rosenblatt在1957年所发明的一种人工神经网络，可以被视为一种最简单形式的前馈式人工神经网络，是一种二元线性分类器。

2、而BP神经网络发展于20世纪80年代中期，David Runelhart。

3、Geoffrey Hinton和Ronald W-llians、DavidParker等人分别独立发现了误差反向传播算法，简称BP，系统解决了多层神经网络隐含层连接权学习问题，并在数学上给出了完整推导。

4、2、结构不同：BP网络是在输入层与输出层之间增加若干层(一层或多层)神经元，这些神经元称为隐单元，它们与外界没有直接的联系，但其状态的改变，则能影响输入与输出之间的关系，每一层可以有若干个节点。

5、感知器也被指为单层的人工神经网络，以区别于较复杂的多层感知器（Multilayer Perceptron）。

6、 作为一种线性分类器，（单层）感知器可说是最简单的前向人工神经网络形式。

7、3、算法不同：BP神经网络的计算过程由正向计算过程和反向计算过程组成。

8、正向传播过程，输入模式从输入层经隐单元层逐层处理，并转向输出层，每层神经元的状态只影响下一层神经元的状态。

9、感知器使用特征向量来表示的前馈式人工神经网络，它是一种二元分类器，输入直接经过权重关系转换为输出。

10、参考资料来源：百度百科-感知器参考资料来源：百度百科-BP神经网络。

本文分享完毕，希望对你有所帮助。