BP神经网络和感知器有什么区别？

感知器是Frank Rosenblatt在1957年发明的一种人工神经网络，可以认为是前馈人工神经网络的最简单形式，是一种二元线性分类器。

BP神经网络是由David Runelhart在20世纪80年代中期开发的。Geoffrey Hinton、Ronald W-llians、DavidParker等人独立发现了误差反向传播(简称BP)，系统地解决了多层神经网络隐层连接权的学习问题，并给出了完整的数学推导。

2.不同的结构:

BP网络在输入层和输出层之间增加几层(一层或多层)神经元。这些神经元被称为隐藏单元。它们与外界没有直接联系，但它们状态的变化可以影响输入输出的关系，每一层可以有几个节点。

感知器也称为单层人工神经网络，以区别于更复杂的多层感知器。作为线性分类器，(单层)感知器可以说是前向人工神经网络的最简单形式。

3.不同的算法:

BP神经网络的计算过程由正向计算过程和反向计算过程组成。在前向传播过程中，输入模式从输入层经过隐单元层逐层处理，转向输出层，每层神经元的状态只影响下一层神经元的状态。感知器是一种用特征向量表示的前馈人工神经网络，是一种二元分类器，输入通过权重关系直接转化为输出。

百度百科-感知器

百度百科-BP神经网络