单层神经网络（single-layer neural network），工学-信息与通信工程-模式识别-统计模式识别-深度学习-单层神经网络，由两个层次神经元组成的神经网络。又称单层感知机。是最简单的一种人工神经网络。首先由美国科学家F.罗森布拉特（Frank Rosenblatt，1928-07-11～1971-07-11）于1958年提出。他提出了一个只有两层神经元的神经网络，并命名为感知机（单层感知机）。单层神经网络含输入层和输出层两层神经元。数据直接连接输入层神经元，输入层的神经元再和输出层神经元连接到一起。输出层里的神经元对其输入进行加权求和，并通过激励函数来得到神经元输出。当激励函数为线性函数时，单层神经网络权重一般可得到显式解。单层神经网络可利用梯度下降算法，通过指定的损失函数，来学习网络的权重。单层神经网络是现代人工神经网络的重要基础之一，它的提出引起了当时社会的极大关注。单层神经网络只能做简单的线性可分任务，它不能解决非线性分类问题，甚至不能解决异或这样的简单分类任务。