Perceptrons: An Introduction to Computational Geometry （扩展版，第三次印刷，1988 年）一书的部分显示了感知器的局限性，应该是11.8 The Nonseparable Case (p. 181)，作者在其中写道

在没有学习感知器学习程序的操作的情况下，有很多原因$\mathbf{A}^*$与财产$\mathbf{A}^* \cdot \mathbf{\Phi} > 0$对所有人$\mathbf{\Phi} \in \mathbf{F}$. 其中一些是实际原因。例如，一个人可能想用这个程序来测试这样一个$\mathbf{A}^*$存在，或者人们可能希望制造这种学习机器并担心反馈错误和其他“噪音”的可能影响。其他动机是理论上的。如果至少对其他案例有一些更广泛的了解，就不能声称已经完全理解了“可分离案例”。

在第 12.1.1 节（第 189 页）中，作者进一步写道

PERCEPTRON 方案只有在数据是线性可分的限制下才能完美工作。