เปรียบเทียบวิธี

	Bayesian Transfer Learning	การเรียนรู้แบบถ่ายโอนกึ่งมีผู้สอน
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2006–2010	2010s
ผู้ริเริ่ม	Raina, R.; Ng, A. Y.; Koller, D. (and subsequent community)	Pan, S. J. & Yang, Q. (formalized); wider community
ประเภท	Probabilistic transfer / domain adaptation framework	Hybrid learning paradigm
แหล่งต้นตำรับ	Raina, R., Ng, A. Y., & Koller, D. (2006). Constructing informative priors using transfer learning. In Proceedings of the 23rd International Conference on Machine Learning (ICML), pp. 713–720. ACM.	Zhuang, F., Qi, Z., Duan, K., Xi, D., Zhu, Y., Zhu, H., Xiong, H., & He, Q. (2021). A comprehensive survey on transfer learning. Proceedings of the IEEE, 109(1), 43–76.
ชื่อเรียกอื่น	BTL, Bayesian domain adaptation, probabilistic transfer learning, Bayesian knowledge transfer	SSTL, semi-supervised domain adaptation, transfer learning with unlabeled data, few-label transfer learning
ที่เกี่ยวข้อง	4	4
สรุป	Bayesian Transfer Learning is a probabilistic framework that uses knowledge from a data-rich source domain to construct informative priors for a model trained on a data-scarce target domain. By encoding source-domain knowledge as prior distributions over parameters, the framework lets the model generalize well on the target task even with very limited labeled examples.	Semi-supervised Transfer Learning combines knowledge transferred from a richly labeled source domain with the structure of abundant unlabeled target-domain data, using only a small set of labeled target examples to achieve strong generalization where full annotation is scarce or expensive.