• فصل مقدمه (12)
  • تشخیص ناهنجاری (12)
    • بر اساس وجود یا عدم وجود برچسب (13)
    • بر اساس ماهیت داده (15)
    • بر اساس نوع ناهنجاری (15)
  • تفاوت تشخیص ناهنجاری با روش های تخمین تابع توزیع احتمال و دیدگاه های مشابه چیست ؟ (16)
  • هدف پژوهش (17)
    • از بعد کاربرد و داده (17)
    • از بعد چالش های موجود (17)
  • نوآوری‌های رساله (18)
  • ساختار رساله (18)
• فصل پژوهش‌های پیشین (19)
  • مدل های مبتنی بر خوشه بندی (19)
  • مدل های مبتنی بر تابع چگالی احتمال Density Estimators (20)
  • مدل های تلفیقی Hybrid (21)
  • شبکه‌های عصبی یک کلاسه One Class Neural Network (23)
  • مدل های مبتنی بر درخت تصمیمDecision Tree (25)
  • مدل های مبتنی بر یادگیری عمیق تقویتی Deep Reinforcement Learning (25)
  • مدل های مولد براساس شبکه‌های عمیق Generative Deep Neural Network (25)
  • مدل های مبتنی برخودکدگذار Autoencoder (26)
  • مدل های مبتنی بریادگیری چند نمونه ای Multiple Instance Learning (28)
  • جمعبندی (28)
• فصل پیش‌نیازها (31)
  • مقاوم‌سازی خصمانه (31)
  • روش‌های خودنظارتی (33)
• فصل روش ارائه شده (35)
  • آموزش خصمانه خودکدگذار (35)
    • ساختن مجموعه داده‌ی خصمانه (36)
    • استفاده از مجموعه داده‌ی خصمانه و آموزش خودکدگذار به وسیله‌ی آن‌ها (36)
    • توضیحات شهودی (38)
    • آموزش به صورت خودنظارتی (38)
• فصل آزمایش‌ها (43)
  • تنظیمات آزمایش (43)
    • مجموعه دادگان (43)
    • معیار ارزیابی (45)
  • نتایج آموزش خصمانه (47)
    • معماری شبکه و فراپارامتر ها (47)
    • نتایج (48)
    • بررسی شیوه‌های دیگر آموزش مدل (51)
  • نمایش بصری (54)
    • بررسی بهینه‌های محلی (55)
  • نتایج کل بستر به صورت یکجا (55)
    • بررسی پایداری مدل (56)
  • جمع‌بندی (57)
• فصل جمع بندی (60)
• مراجع (62)