เปรียบเทียบวิธี

	การเรียนรู้แบบถ่ายโอนด้วย Variational Autoencoder	ตัวเข้ารหัสอัตโนมัติแบบแปรผัน
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2014 (VAE); 2010 (transfer learning survey)	2014
ผู้ริเริ่ม	Kingma, D. P. & Welling, M. (VAE); transfer learning framework from Pan & Yang	Kingma, D. P. & Welling, M.
ประเภท	Generative model with transferred encoder/decoder	Deep generative latent-variable model (encoder–decoder)
แหล่งต้นตำรับ	Kingma, D. P., & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR 2014).	Kingma, D. P. & Welling, M. (2014). Auto-Encoding Variational Bayes. International Conference on Learning Representations (ICLR).
ชื่อเรียกอื่น	TL-VAE, pretrained VAE, VAE transfer learning, fine-tuned variational autoencoder	Değişkensel Otokodlayıcı (VAE), VAE, auto-encoding variational Bayes, deep latent variable model
ที่เกี่ยวข้อง	6	5
สรุป	Transfer Learning with a Variational Autoencoder (TL-VAE) reuses an encoder and/or decoder pre-trained on a large source dataset and adapts it to a smaller target domain. By inheriting a rich probabilistic latent space rather than starting from random weights, TL-VAE dramatically reduces the amount of target-domain data needed for high-quality generation or representation learning.	The Variational Autoencoder (VAE) is a deep generative latent-variable model, introduced by Diederik Kingma and Max Welling in 2014, that encodes data as a probability distribution in a latent space and samples from that distribution to generate new examples. It is used for data generation, anomaly detection, and feature learning.