Combinazione lineare di input pesati→rete combinatoria che in maniera ricorsiva modifica i pesi dati a ogni parametro dell’iperpiano fino a convergere al quello ottimo o ammissibile
Quindi dato un dataset con attributi numerici X e Y per classificarli in 2 classi li tracciamo come punti nel piano e cerchiamo di tracciare l’iperpiano che li divide
d1,d2…dd sono gli attributi w0,w1…wd sono i pesi da calibrare, il primo elemento ha sempre valore input=1, detto Bias serve ad ammettere iperpiano che non passano dall’origine.
L’iperpiano è descritto da un set di pesi in una equazione lineare sugli attributi x0…xd 
l’algoritmo di apprendimento:
Ogni modifica dei pesi sposta il piano verso individui mal classificati, se l’algoritmo è classificato male e dovrebbe essere positivo aggiungo ai pesi del percettrone il valore dei suoi attributi se è negativo sottraggo. L’algoritmo termina solo de il dataset è linearmente Separabile quindi è bene impostare un limite temporale ammettendo errori.