Proces uczenia kończy się, gdy dla wszystkich par uczących uzyska się zerowe błędy, co oznacza zgodność odpowiedzi sieci z wartościami oczekiwanymi.
Może też zdarzyć się, że nie uzyska się tej zgodności pomimo wykonania założonej maksymalnej liczby epok uczenia - wtedy proces można ponowić, zaczynając od innego zestawu losowo dobranych wag i biasu.
Uwaga: Dodatkowe nieliniowe wejście – rozwiązanie ograniczeń perceptronu
Metoda Rosenblatta nadaje się tylko dla jednowarstwowych sieci neuronowych z liniowo separowalnymi danymi. Jeśli dane nie są liniowo separowalne, to nie da się osiągnąć tą metodą zgodności przewidywań sieci z wartościami oczekiwanymi nawet po wielu iteracjach. Istnieje też inne rozwiązanie: można dodać dodatkowe wejście neurony, na które poda się iloczyn wejść , tj. – wtedy problem staje się liniowo separowalny w przestrzeni i można taką sieć wytrenować metodą Rosenblatta. Rosenblatt nie stosował jednak takiego rozwiązania, co stało się powodem przekonania, iż perceptron może rozwiązywać tylko problemy liniowo separowalne (mimo że Minsky i Papert podali taką możliwość). W konsekwencji nastąpił okres tzw.