เปรียบเทียบวิธี

	Bayesian Transfer Learning	การเรียนรู้แบบถ่ายโอน
สาขาวิชา	การเรียนรู้ของเครื่อง	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2006–2010	2010 (formalized); 1990s (early roots)
ผู้ริเริ่ม	Raina, R.; Ng, A. Y.; Koller, D. (and subsequent community)	Pan, S. J. & Yang, Q. (survey); Bengio, Y. (deep learning framing)
ประเภท	Probabilistic transfer / domain adaptation framework	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.	Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.
ชื่อเรียกอื่น	BTL, Bayesian domain adaptation, probabilistic transfer learning, Bayesian knowledge transfer	TL, domain adaptation, fine-tuning, pre-trained model adaptation
ที่เกี่ยวข้อง	4	3
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.	Transfer learning is a machine learning paradigm in which knowledge gained from training a model on a source task or domain is reused to improve learning on a different but related target task or domain. It is especially powerful when labeled data for the target task is scarce, and it underlies most modern deep learning applications in computer vision, natural language processing, and beyond.