• 1 مقدمه (12)
  • 1-1 مسئله یادگیری بازنمایی (12)
    • 1-1-1 پارادایم یادگیری بازنمایی سنتی (13)
    • 1-1-2 پارادایم یادگیری بازنمایی ژرف (14)
  • 1-2 ساختار بازنمایی و واتنیدگی (17)
  • 1-3 معرفی مسئله (17)
    • 1-3-1 چالش‌ها (18)
  • 1-4 ساختار پایان‌نامه (18)
• 2 پژوهش‌های پیشین (19)
  • 2-1 مفاهیم پایه (19)
    • 2-1-1 یادگیری بازنمایی باسرپرست (19)
    • 2-1-2 یادگیری بازنمایی بدون سرپرست (23)
    • 2-1-3 قاعده اطلاعات بیشینه (27)
  • 2-2 یادگیری بازنمایی خودسرپرست (31)
    • 2-2-1 مدل‌های اکتشافی (32)
    • 2-2-2 مدل‌های تباينی (36)
    • 2-2-3 مدل‌های غیر تباينی (44)
  • 2-3 یادگیری بازنمایی واتنیده (48)
    • 2-3-1 تعریف واتنیدگی (49)
    • 2-3-2 روش‌های بر پایه‌ی خودکدنگار وردشی (50)
    • 2-3-3 روش‌های بر پایه‌ی مدل‌های مولد هماوردی (52)
  • 2-4 نتیجه‌گیری (54)
• 3 روش پیشنهادی (55)
  • 3-1 مقدمه (55)
  • 3-2 افزون‌سازی داده (56)
  • 3-3 واتنیدگی (58)
  • 3-4 مدل پیشنهادی (58)
    • 3-4-1 مدل‌سازی فرایند افزون‌ساز داده (59)
    • 3-4-2 خطای واتنیدگی (60)
    • 3-4-3 خطای پیش‌بینی (60)
    • 3-4-4 تابع هدف و آموزش مدل (61)
  • 3-5 نتیجه‌گیری (62)
• 4 نتایج تجربی (63)
  • 4-1 مجموعه دادگان (63)
    • 4-1-1 مجموعه داده Dsprites (64)
    • 4-1-2 مجموعه داده Scream-Dsprites (64)
    • 4-1-3 مجموعه داده 3D Shapes (65)
    • 4-1-4 مجموعه داده CelebA (65)
  • 4-2 معماری شبکه‌ (66)
    • 4-2-1 شبکه کدنگار (66)
    • 4-2-2 شبکه مولد (66)
    • 4-2-3 شبکه تمیز‌دهنده (66)
    • 4-2-4 شبکه پیش‌بینی‌کننده (67)
  • 4-3 روش‌های ارزیابی (67)
    • 4-3-1 ارزیابی کمی (67)
    • 4-3-2 ارزیابی کیفی (68)
  • 4-4 نتایج تجربی (68)
    • 4-4-1 تحلیل فرسایشی تابع خطا (69)
    • 4-4-2 کارایی نمونه (69)
    • 4-4-3 نتایج کمی (70)
    • 4-4-4 نتایج کیفی (71)
  • 4-5 نتیجه‌گیری (72)
• 5 جمع‌بندی و کار‌های آتی (76)
• آ شکل‌ها ونمودارهای تکمیلی (78)
• ب اسلایدها (88)
• مراجع (152)
• واژه‌نامه انگلیسی به فارسی (157)