เปรียบเทียบวิธี

	โครงข่ายปฏิปักษ์เชิงกำเนิด	การเรียนรู้แบบถ่ายโอน
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้ของเครื่อง
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2014	2010 (formalized); 1990s (early roots)
ผู้ริเริ่ม	Goodfellow, I. et al.	Pan, S. J. & Yang, Q. (survey); Bengio, Y. (deep learning framing)
ประเภท	Generative deep learning (adversarial two-network game)	Learning paradigm
แหล่งต้นตำรับ	Goodfellow, I. et al. (2014). Generative Adversarial Nets. NeurIPS.	Pan, S. J., & Yang, Q. (2010). A Survey on Transfer Learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.
ชื่อเรียกอื่น	Üretici Çekişmeli Ağ (GAN), GAN, generative adversarial nets, adversarial network	TL, domain adaptation, fine-tuning, pre-trained model adaptation
ที่เกี่ยวข้อง	4	3
สรุป	A Generative Adversarial Network (GAN), introduced by Ian Goodfellow and colleagues in 2014, produces realistic synthetic data through the competition of two neural networks — a generator and a discriminator. It is widely used for image synthesis, data augmentation, and distribution estimation.	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.