На сегодняшний день, достаточно часто публикуются научные работы, посвящённые сжатию изображений с помощью многослойного персептрона, но нет конкретных данных о влиянии архитектуры сети на процесс обучения и качество их работы. Целью статьи является описание возможностей одного из типов нейронных сетей – многослойного персептрона – в области сжатия и восстановления изображений произвольного вида. Рассматриваются топологии нейронных сетей, и анализируется эффективности их работы. Описывается архитектура «бутылочного горлышка», наиболее часто используемая при решении задачи сжатия и восстановления изображений. Также в статье приводится один из способов кодирования и декодирования данных, полученных при работе сетей. Результат, полученный в ходе эксперимента, показал, что использование многослойного персептрона с входным вектором свыше восьми значений оказалось менее эффективным. В итоге была подобрана наиболее подходящая архитектура сети, которую можно использовать на практике.