1980年代後半に考案された、順伝播型ニューラルネットワークの一種。

単純パーセプトロンを多数結合させている。

入力層と出力層で構成される単純パーセプトロンに対して、多層パーセプトロンは入力層、１つの隠れ層(中間層)、出力層の３層で構成される。

多層にしたことで、線形分離不可能な問題も解くことができるようになり、単純パーセプトロンの欠点を解決した。（第二次ニューラルネットワークブーム）

多層パーセプトロンの各層間のパーセプトロンは、お互いに結合しているような構造になっている。

この様な構造のニューラルネットワークを「全結合型ニューラルネットワーク」と呼ぶ。

学習のために誤差逆伝播法（バックプロパゲーション）を利用する。
より複雑な問題を解決するために隠れ層を４層以上にすると、勾配消失問題と過学習の問題が発生し、問題を解消することができず、第二次ブームは終焉した。