Перцептрон оказался неэффективным для решения сложных задач распознавания образов из-за ряда ограничений, среди которых:

• Невозможность найти инвариант. 23 Перцептрон работает только как статистическая машина, он не способен самостоятельно находить инварианты, которые были бы основой для принятия решений. 23
• Неспособность анализировать сложные ситуации. 2 Перцептрон не может расчленять сложные ситуации во внешней среде на более простые. 2
• Отсутствие способности к обобщению. 2 Перцептрон не может переносить свои характеристики на новые стимулы или ситуации, которые не совпадают с теми, что были при обучении. 2
• Технические ограничения по скорости и объёму используемой памяти. 2 Задачи, которые в принципе могут быть решены перцептроном, могут потребовать нереально больших времён или объёма памяти. 2
• Неспособность решать логическую задачу «исключающее или». 4 Множество решений сети нельзя разделить на два класса для этой операции. 4

Чтобы преодолеть эти ограничения, были разработаны более совершенные архитектуры нейронных сетей, такие как многослойные персептроны (MLP) и свёрточные нейронные сети (CNN). 15