Perceptron beräknar en viktad summa av indata och tillämpar en tröskel för att ge ett binärt beslut. Det kan lära vikter från märkta exempel via enkla uppdateringsregler. Begränsningar vid icke-linjärt separerbara problem blev en viktig lärdom historiskt och ledde till flerskiktsnät och nya träningsmetoder.

Trots enkelheten är perceptron fortfarande en grund för att förstå moderna linjära modeller och utvecklingen mot djupinlärning.