BP神经网络和感知器有什么区别？

1、发展背景不同：

感知器是Frank Rosenblatt在1957年所发明的一种人工神经网络，可以被视为一种最简单形式的前馈式人工神经网络，是一种二元线性分类器。

而BP神经网络发展于20世纪80年代中期，David Runelhart。Geoffrey Hinton和Ronald W-llians、DavidParker等人分别独立发现了误差反向传播算法，简称BP，系统解决了多层神经网络隐含层连接权学习问题，并在数学上给出了完整推导。

2、结构不同：

BP网络是在输入层与输出层之间增加若干层(一层或多层)神经元，这些神经元称为隐单元，它们与外界没有直接的联系，但其状态的改变，则能影响输入与输出之间的关系，每一层可以有若干个节点。

感知器也被指为单层的人工神经网络，以区别于较复杂的多层感知器（Multilayer Perceptron）。 作为一种线性分类器，（单层）感知器可说是最简单的前向人工神经网络形式。

3、算法不同：

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。正向传播过程，输入模式从输入层经隐单元层逐层处理，并转向输出层，每层神经元的状态只影响下一层神经元的状态。感知器使用特征向量来表示的前馈式人工神经网络，它是一种二元分类器，输入直接经过权重关系转换为输出。

参考资料来源：百度百科-感知器

参考资料来源：百度百科-BP神经网络

　　1、BP神经网络，指的是用了“BP算法”进行训练的“多层感知器模型”。
　　2、感知器（MLP，Multilayer Perceptron）是一种前馈人工神经网络模型，其将输入的多个数据集映射到单一的输出的数据集上，可以解决任何线性不可分问题。
　　3、多层感知器就是指得结构上多层的感知器模型递接连成的前向型网络。BP就是指得反向传播算法

今天专门研究了一些这个问题，来试着回答一下

在Wiki中并没有BP神经网络这一个词条，而对反向传播则有如下定义：“反向传播是【误差反向传播】的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法”，所以BP神经网络指的是在神经网络中采用反向传播法来进行训练的神经网络。

而MLP呢？“MLP这个术语属于历史遗留的产物，现在我们一般就说神经网络，以及深度神经网络，前者代表带一个隐藏层的两层神经网络，也是EasyPR目前使用的识别网络，后者指深度学习的网络。值得注意的是，虽然叫“多层”，MLP一般都指的是两层（带一个隐藏层的）神经网络”（选自网页链接）

最后总结一下 MLP= 神经网络（两层），BP神经网络（实际并没有）=采用BP算法进行训练的神经网络。

感知器只有一个神经元，简单，处理线性问题
BP网络有几层神经元，复杂，非线性问题