เปรียบเทียบวิธี

	เพอร์เซปตรอนหลายชั้นแบบมีผู้สอนแบบอ่อน	เพอร์เซปตรอนหลายชั้น (MLP)
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2016–2018	1986
ผู้ริเริ่ม	Multiple contributors; paradigm formalized by Zhou (2018) and Ratner et al. (2016)	Rumelhart, D. E.; Hinton, G. E.; Williams, R. J.
ประเภท	Feedforward neural network trained under weak supervision	Supervised feedforward neural network
แหล่งต้นตำรับ	Zhou, Z.-H. (2018). A brief introduction to weakly supervised learning. National Science Review, 5(1), 44–53.	Rumelhart, D. E., Hinton, G. E. & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536.
ชื่อเรียกอื่น	WS-MLP, weakly supervised feedforward network, noisy-label MLP, weak-label multilayer perceptron	MLP, feedforward neural network, fully connected neural network, vanilla neural network
ที่เกี่ยวข้อง	5	4
สรุป	A Weakly Supervised Multilayer Perceptron trains a standard feedforward neural network when only imperfect supervision is available — labels may be noisy, incomplete, crowd-sourced, rule-generated, or derived from distant supervision — enabling learning at scale without the cost of full expert annotation.	A Multilayer Perceptron is a classic fully connected feedforward neural network trained with the backpropagation algorithm, as formalised by Rumelhart, Hinton & Williams in their landmark 1986 Nature paper. Composed of an input layer, one or more hidden layers of neurons, and an output layer, the MLP learns nonlinear mappings from input features to target outputs and serves as the foundational building block of modern deep learning.