Perceptron wielowarstwowy (, MLP) – najpopularniejszy typ sztucznych sieci neuronowych. Sieć tego typu składa się zwykle z jednej warstwy wejściowej, kilku warstw ukrytych oraz jednej warstwy wyjściowej. Warstwy ukryte składają się najczęściej z neuronów McCullocha-Pittsa. Ustalenie właściwej liczby warstw ukrytych oraz liczby neuronów znajdujących się w poszczególnych warstwach jest trudnym zagadnieniem, które musi rozwiązać twórca sieci neuronowej (dla nowych zagadnień dokonuje się tego metodą prób, patrząc jakie odpowiedzi daje sieć na wyjściach i porównując z wynikami oczekiwanymi, przy czym istotne jest, by unikać efektu nadmiernego dopasowania; zagadnienia te porusza też artykuł zbiór uczący, walidacyjny i testowy).
Sieć MLP w swojej podstawowej wersji jest siecią, w której nie ma sprzężenia zwrotnego, w przeciwieństwie do sieci zwanych sieciami rekurencyjnymi. Na bazie sieci MLP zbudowane są splotowe sieci neuronowe, służące do rozpoznawania obrazów.
Gdy sieć służy do liczenia zagadnień regresji, to jej neurony maja liniowe funkcje aktywacji.