Un perceptron è un semplice modello di un neurone biologico in una rete neurale artificiale. Perceptron è anche il nome di uno dei primi algoritmi per l'apprendimento supervisionato di classificatori binari.
L'algoritmo perceptron è stato progettato per classificare gli input visivi, classificare i soggetti in uno di due tipi e separare i gruppi con una linea. La classificazione è una parte importante dell'apprendimento automatico e dell'elaborazione delle immagini. Gli algoritmi di apprendimento automatico trovano e classificano i modelli con molti mezzi diversi. L'algoritmo perceptron classifica modelli e gruppi trovando la separazione lineare tra diversi oggetti e modelli ricevuti tramite input numerico o visivo.
L'algoritmo perceptron è stato sviluppato presso il Cornell Aeronautical Laboratory nel 1957, finanziato dall'Ufficio degli Stati Uniti per la ricerca navale. L'algoritmo è stato il primo passo pianificato per un'implementazione della macchina per il riconoscimento delle immagini. La macchina, denominata Mark 1 Perceptron, era fisicamente costituita da un array di 400 fotocellule collegate a perceptron i cui pesi erano registrati in potenziometri, regolati da motori elettrici. La macchina è stata una delle prime reti neurali artificiali mai create.
All'epoca, ci si aspettava che il perceptron fosse molto significativo per lo sviluppo dell'intelligenza artificiale (AI). Mentre grandi speranze circondavano il perceptron iniziale, i limiti tecnici furono presto dimostrati. I perceptrons a strato singolo possono separare le classi solo se sono separabili linearmente. Successivamente, si è scoperto che utilizzando più livelli, i perceptrons possono classificare gruppi che non sono separabili linearmente, consentendo loro di risolvere problemi che gli algoritmi a livello singolo non possono risolvere.