多層感知器（英文：Multiple?perceptron，縮寫為MLP）是一類正向傳播（英語版）神經網絡。一個MLP至少包含三個節點層。除輸入節點外，每個節點都是使用非線性激活函數的神經元。所述MLP學習反向傳播稱為（反向傳播）監督學習使用的方法^?。它的多層結構和非線性激活功能使MLP和線性感知器區別開來。MLP?可以識別不可線性分離的數據。

線性在所有神經元多層感知器的激活功能，即，每個神經元的輸出輸入被加權（英國）當具有線性函數，地圖，線性代數從兩層任意數量的層可以證明輸入輸出模型可以簡化。在MLP中，一些神經元使用“非線性”激活函數，這些函數已被開發用于模擬生物神經元中動作電位的頻率和激發。

MLP在研究中很有用，因為它可以隨機解決問題。MLP是健身近似（英文版）極，如復雜給予的近似解問題往往。所述MLP?Cybenko定理（英語）用于通過所指示的通用函數逼近，可用于創建由回歸分析的數學模型。當響應變量是分類變量（英文版）時，分類是回歸的一種特殊情況，而MLP是一種很好的分類算法。