A perceptron é um modelo simples de um neurônio biológico em uma rede neural artificial. Perceptron é também o nome de um algoritmo para aprendizagem supervisionada de classificadores binários.
O algoritmo perceptron foi projetado para classificar entradas visuais, categorizando os sujeitos em um de dois tipos e separando grupos com uma linha. A classificação é uma parte importante da aprendizagem da máquina e do processamento de imagens. Os algoritmos de aprendizagem de máquinas encontram e classificam padrões por muitos meios diferentes. O algoritmo perceptron classifica padrões e grupos encontrando a separação linear entre diferentes objetos e padrões que são recebidos através de entradas numéricas ou visuais.
O algoritmo perceptron foi desenvolvido no Laboratório Aeronáutico Cornell em 1957, financiado pelo Escritório de Pesquisas Navais dos Estados Unidos. O algoritmo foi o primeiro passo planejado para a implementação de uma máquina de reconhecimento de imagem. A máquina, chamada Mark 1 Perceptron, era constituída fisicamente por um conjunto de 400 fotocélulas ligadas a perceptrons cujos pesos eram gravados em potenciômetros, conforme ajustados por motores elétricos. A máquina foi uma das primeiras redes neurais artificiais já criadas.
Na época, esperava-se que o perceptron fosse muito significativo para o desenvolvimento da inteligência artificial (IA). Enquanto grandes esperanças rodeavam o perceptron inicial, limitações técnicas foram logo demonstradas. Os perceptrons de camada única só podem separar classes se forem separáveis linearmente. Mais tarde, descobriu-se que usando várias camadas, os perceptrons podem classificar grupos que não são linearmente separáveis, permitindo-lhes resolver problemas que algoritmos de camada única não podem resolver.