ภาพจาก https://appliedgo.net/perceptron/
Perceptron (เพอร์เซปทรอน):
เป็นโครงข่ายประสาทเทียม (Neural Network) ที่มีโครงสร้างเรียบง่ายและเป็นพื้นฐาน ประกอบด้วยเหตุการณ์แค่ชั้นเดียว ประกอบด้วยโหนดแค่ตัวเดียวเท่านั้น และไม่มีการใช้ชั้นซ่อน (hidden layers) เป็นอันที่รู้จักกันดีในเส้นของประสิทธิภาพในการแก้ไขปัญหาความซับซ้อนน้อย อย่างเช่น การจำแนกแบบเส้นแบ่ง (linearly separable) แต่สำหรับปัญหาที่ซับซ้อนขึ้น โมเดลจะไม่สามารถแยกแยะได้และจะมีปัญหาการเรียนรู้ที่เกิดขึ้น (convergence problem) ดังนั้นในการแก้ไขปัญหาที่ซับซ้อนมากขึ้นจำเป็นต้องใช้โครงข่ายประสาทเทียมแบบ Multilayer Perceptron (MLP)
Multilayer Perceptron (MLP) (เมอลติเลย์เปอร์เซปทรอน):
เป็นโครงข่ายประสาทเทียมที่มีหลายชั้นซ่อน (hidden layers) ซึ่งช่วยให้โมเดลสามารถเรียนรู้และจับความซับซ้อนของข้อมูลได้มากขึ้น ใน MLP แต่ละโหนดในชั้นซ่อนจะเป็นโหนดที่มีหน้าที่คำนวณผลรวมของข้อมูลนำเข้าและค่าน้ำหนัก แล้วนำผลรวมที่คำนวณได้ผ่านฟังก์ชันกระตุ้น (activation function) เพื่อให้ได้ผลลัพธ์ที่เป็นไปได้ที่มีความหมายและสามารถตัดสินใจในการจำแนกหรือคาดคะเนได้
MLP เป็นโครงข่ายประสาทเทียมที่มีความสามารถทำนายและจำแนกข้อมูลที่ซับซ้อนกว่า Perceptron และสามารถใช้ในงานที่มีความซับซ้อนมากขึ้น เช่น การจำแนกแบบไม่เส้นแบ่ง (non-linearly separable) การคาดคะเน (regression) และงานปัญหาที่เกี่ยวกับความซับซ้อนของข้อมูลที่เป็นรูปร่างที่เข้าใจยาก ในปัจจุบันการเรียนรู้แบบลึกที่ใช้ MLP เป็นที่นิยมในการแก้ไขปัญหาที่ต้องการความซับซ้อนในการจำแนกและคาดคะเนข้อมูล