Розроблено і протестовано багатошарову перцептронну мережу Байєса для класифікації рукописних цифр. Для навчання моделі використовувався набір даних MNIST, який містить 70 000 зображень рукописних цифр з позначками. Використаний набір даних широко використовується для тестування алгоритмів розпізнавання зображень. Для оцінки ефективності мережі використовувалася тестова підмножина даних, яка містить 10 000 зображень рукописних цифр. Розроблена модель продемонструвала точність 93,92 %, що є кращим результатом, ніж у інших методів машинного навчання для розпізнавання рукописних цифр. Ця модель може бути корисною для розробки систем автоматичного розпізнавання тексту, таких як поштові сортувальні машини та чекові сканери. Дослідження показує, що мережа Байєса є перспективним методом для класифікації рукописних цифр, що підтверджує дослідження. Отже, можна підсумувати, що мережі Байєса не є бездоганними. Їхня точність залежить від якості даних та правильності моделі. Проте, якщо їх правильно використовувати, вони можуть бути потужним інструментом для виявлення закономірностей та прийняття рішень.