التعلم المعاكس للمنطقة (domain adversarial learning) يُحاذي توزيعات الخصائص بين المناطق المصدر والهدف في لعبة من نوع مينيماكس ذات لاعبين اثنين. الشبكات المعادية للمنطقة الحالية تفترض عمومًا أن المساحة التسمية متطابقة عبر مختلف المناطق. في ظل وجود البيانات الضخمة، هناك حافز قوي لنقل النماذج العميقة من المناطق الكبيرة الموجودة إلى المناطق الصغيرة غير المعروفة. هذه الورقة البحثية تقدم التكيف الجزئي للمنطقة كسيناريو جديد للتكيف بين المناطق، والذي يخفف فرضية المساحة التسمية المشتركة بالكامل إلى أن مساحة التسمية المصدر تشمل مساحة التسمية الهدف. الأساليب السابقة عادة ما تطابق المنطقة المصدر بأكملها مع المنطقة الهدف، مما يجعلها عرضة للتكييف السلبي في مشكلة التكيف الجزئي للمنطقة بسبب الاختلاف الكبير بين مساحات التسمية. نقدم هنا التكيف الجزئي المعادي للمنطقة (Partial Adversarial Domain Adaptation - PADA)، الذي يخفف في الوقت نفسه من التكييف السلبي عن طريق تخفيض وزن بيانات الفئات الخارجية في المنطقة المصدر أثناء تدريب تصنيف المنطقة المصدر والمعادِّي للمنطقة، ويشجع على التكييف الإيجابي عن طريق مطابقة توزيعات الخصائص في المساحة التسمية المشتركة. أظهرت التجارب أن PADA يتفوق على أفضل النتائج الحالية في مهام التكيف الجزئي للمنطقة على عدة مجموعات بيانات.