24北航842人工智能基礎(chǔ)綜合考研大綱已發(fā)布！下面是學(xué)姐整理的官方發(fā)布的詳細(xì)內(nèi)容，同學(xué)們一定要仔細(xì)查看，以便有針對(duì)性的復(fù)習(xí)！
24北航842人工智能基礎(chǔ)綜合考研大綱
　　請(qǐng)考生注意：
　　1、842人工智能基礎(chǔ)綜合試題含信號(hào)與系統(tǒng)、算法設(shè)計(jì)與分析和機(jī)器學(xué)習(xí)三門(mén)課程的內(nèi)容。所有課程均不指定參考書(shū)。
　　2、試題總分為150分，每門(mén)課試題滿(mǎn)分50分，三門(mén)課程的試題均計(jì)入考試成績(jī)。
　　《信號(hào)與系統(tǒng)》考試大綱（50分）
　　一、復(fù)習(xí)要點(diǎn)
　?。ㄒ唬┬盘?hào)與系統(tǒng)緒論
　　(1)信號(hào)與系統(tǒng)的概念；
　　(2)信號(hào)的描述、分類(lèi)及常用信號(hào)；
　　(3)信號(hào)的基本運(yùn)算。
　?。ǘ┱缓瘮?shù)集與正交分解
　　(1)信號(hào)分解的物理意義；
　　(2)正交函數(shù)集；
　　(3)信號(hào)在正交函數(shù)集上的分解。
　?。ㄈ┻B續(xù)周期信號(hào)的傅里葉級(jí)數(shù)
　　(1)連續(xù)周期信號(hào)在三角函數(shù)集上展開(kāi)；
　　(2)連續(xù)周期信號(hào)傅里葉級(jí)數(shù)；
　　(3)有限項(xiàng)傅里葉級(jí)數(shù)與均方誤差。
　?。ㄋ模┻B續(xù)信號(hào)的傅里葉變換
　　(1)非周期連續(xù)信號(hào)的傅里葉變換；
　　(2)典型信號(hào)的傅里葉變換；
　　(3)傅里葉變換的基本性質(zhì)；
　　(4)周期信號(hào)的傅里葉變換。
　?。ㄎ澹├献儞Q
　　(1)拉氏變換的定義、物理意義；
　　(2)拉氏變換的基本性質(zhì)；
　　(3)拉氏逆變換；
　　(4)雙邊拉氏變換。
　　（六）連續(xù)時(shí)間系統(tǒng)的時(shí)域分析
　　(1)系統(tǒng)的概念、表示與分類(lèi)；
　　(2)LTI系統(tǒng)分析方法概述；
　　(3)連續(xù)系統(tǒng)的時(shí)域經(jīng)典分析法；
　　(4)零輸入響應(yīng)與零狀態(tài)響應(yīng)；
　　(5)卷積的定義與性質(zhì)；
　　(6)卷積法求解系統(tǒng)響應(yīng)。
　　（七）連續(xù)時(shí)間系統(tǒng)的S域分析
　　(1)系統(tǒng)函數(shù)；
　　(2)由系統(tǒng)函數(shù)零、極點(diǎn)分布分析時(shí)域特性；
　　(3)線(xiàn)性系統(tǒng)的穩(wěn)定性分析。
　?。ò耍╇x散時(shí)間系統(tǒng)的時(shí)域分析
　　(1)離散時(shí)間信號(hào)（序列）及其表示；
　　(2)典型離散時(shí)間信號(hào)；
　　(3)離散時(shí)間信號(hào)的基本運(yùn)算；
　　(4)離散時(shí)間系統(tǒng)的基本概念描述與分類(lèi)；
　　(5)系統(tǒng)沖激響應(yīng)函數(shù)的求解。
　　（九）離散時(shí)間系統(tǒng)的Z域分析
　　(1)z變換及其收斂域；
　　(2)典型序列的z變換；
　　(3)逆z變換；
　　(4)z變換的基本性質(zhì)；
　　(5)系統(tǒng)函數(shù)與z域分析。
　　（十）離散信號(hào)的傅里葉分析
　　(1)離散周期信號(hào)的傅里葉級(jí)數(shù)DFS；
　　(2)序列的傅里葉變換離散時(shí)間傅里葉變換DTFT；
　　(3)離散傅里葉變換DFT；
　　(4)快速傅里葉變換FFT。
　　（十一）傅里葉變換及其圖像處理應(yīng)用
　　(1)數(shù)字圖像簡(jiǎn)介；
　　(2)二維離散傅里葉變換2D DFT及其性質(zhì)；
　　(3)2D DFT在圖像處理中的應(yīng)用。
　　《算法設(shè)計(jì)與分析》考試大綱（50分）
　　一、整體要求
　　(一)掌握算法的定義、性質(zhì)和表示方法，并能夠使用偽代碼對(duì)算法進(jìn)行描述；
　　(二)能夠熟練采用漸近上界、漸近下界與漸近緊確界分析算法的運(yùn)行時(shí)間；
　　(三)掌握算法設(shè)計(jì)的常用方法，包括分而治之、動(dòng)態(tài)規(guī)劃、貪心、近似算法；掌握?qǐng)D的基本概念和重要的基礎(chǔ)圖算法；
　　(四)掌握計(jì)算復(fù)雜性的基本概念和證明P類(lèi)、NP類(lèi)問(wèn)題的方法；
　　(五)具有對(duì)簡(jiǎn)單計(jì)算問(wèn)題的建模、分析、算法設(shè)計(jì)、算法優(yōu)化和編程求解能力。
　　二、復(fù)習(xí)要點(diǎn)
　　(一)漸近復(fù)雜性分析
　?。?）Ｏ、Ω、Θ符號(hào)定義；
　?。?）分析給定算法的漸近復(fù)雜性；
　?。?）比較具有不同漸近上界的算法的效率；
　?。?）遞歸函數(shù)的運(yùn)行時(shí)間分析。
　　（二）常用算法設(shè)計(jì)方法的基本思想和特點(diǎn)，以及針對(duì)具體問(wèn)題設(shè)計(jì)相應(yīng)的算法并分析其效率
　?。?）分治算法
　　（2）動(dòng)態(tài)規(guī)劃算法
　?。?）貪心算法
　　（4）近似算法
　?。ㄈ﹫D算法
　　（1）圖的基本概念和基本性質(zhì)；
　?。?）圖的表示方法；
　　（3）圖的遍歷與搜索方法；
　?。?）最小生成樹(shù)和最短路徑等圖具體問(wèn)題算法。
　?。ㄋ模┯?jì)算復(fù)雜性
　?。?）計(jì)算復(fù)雜性的基本概念，如判定問(wèn)題、優(yōu)化問(wèn)題等；
　　（2）P類(lèi)和NP類(lèi)問(wèn)題的定義和證明。
　　《機(jī)器學(xué)習(xí)》考試大綱（50分）
　　一、復(fù)習(xí)要點(diǎn)
　　（一）機(jī)器學(xué)習(xí)基礎(chǔ)算法：（1）Bayesian學(xué)習(xí)以及相關(guān)算法；（2）Q學(xué)習(xí)基本概念；（3）歸納學(xué)習(xí)-決策樹(shù)構(gòu)建算法。
　　掌握機(jī)器學(xué)習(xí)發(fā)展歷史、AlphaGO技術(shù)的發(fā)展歷史以及核心技術(shù)，掌握Q學(xué)習(xí)的基本方法；掌握VC維的定義，以及統(tǒng)計(jì)學(xué)習(xí)理論的基本結(jié)論，深入理解經(jīng)驗(yàn)風(fēng)險(xiǎn)和真實(shí)風(fēng)險(xiǎn)概念區(qū)別與聯(lián)系；理解Bayesian的基本原理，貝葉斯學(xué)習(xí)、樸素貝葉斯算法在相關(guān)實(shí)際問(wèn)題中應(yīng)用；掌握HMM算法的基本原理；掌握信息熵概念的內(nèi)涵、ID3算法構(gòu)建過(guò)程、根據(jù)具體的實(shí)例，構(gòu)建決策樹(shù)。掌握信息增益的概念，以及在構(gòu)建決策樹(shù)時(shí)的物理含義。
　?。ǘ┥窠?jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)：（1）線(xiàn)性分類(lèi)器-感知機(jī)等；（2）傳統(tǒng)神經(jīng)網(wǎng)絡(luò)-BP算法等；（3）深度學(xué)習(xí)-卷積神經(jīng)網(wǎng)絡(luò)等。
　　掌握線(xiàn)性分類(lèi)器的構(gòu)建方法，包括線(xiàn)性分類(lèi)器的基本形式、構(gòu)建方法；掌握感知機(jī)的構(gòu)建方法、Fisher準(zhǔn)則、最小均方誤差準(zhǔn)則。掌握機(jī)器學(xué)習(xí)里優(yōu)化概念如何應(yīng)用于線(xiàn)性分類(lèi)器的設(shè)計(jì)。理解神經(jīng)網(wǎng)絡(luò)的反傳算法基本原理、能夠根據(jù)具體簡(jiǎn)單的網(wǎng)絡(luò)實(shí)例寫(xiě)出反傳公式的基本形式。了解經(jīng)典深度神經(jīng)網(wǎng)絡(luò)模型、以及前沿技術(shù)，主要掌握卷積神經(jīng)網(wǎng)絡(luò)；理解卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)建過(guò)程、包括卷積操作的定義、Pooling操作的定義等。
　?。ㄈ┙y(tǒng)計(jì)學(xué)習(xí)分類(lèi)器：（1）支持向量機(jī)；（2）Adaboost算法；（3）子空間學(xué)習(xí)與稀疏表示。
　　理解統(tǒng)計(jì)學(xué)習(xí)理論的基本原理、支持向量機(jī)的基本原理與線(xiàn)性分類(lèi)器的聯(lián)系。掌握支持向量機(jī)的優(yōu)化目標(biāo)構(gòu)造方法、優(yōu)化算法以及應(yīng)用。掌握Adaboost的基本原理，弱分類(lèi)器的基本概念以及分類(lèi)器融合算法。掌握子空間學(xué)習(xí)與稀疏表示的基本概念與思想，掌握主成分分析方法的具體過(guò)程、優(yōu)化目標(biāo)以及應(yīng)用。基本了解Fisher判別分析、核判別分析等等；了解稀疏表示方法與子空間學(xué)習(xí)的聯(lián)系與區(qū)別。
　　以上信息來(lái)源：北京航空航天大學(xué)研究生招生網(wǎng)。
　　以上就是學(xué)姐為大家整理的【24北航842人工智能基礎(chǔ)綜合考研大綱已發(fā)布！】的全部?jī)?nèi)容！想了解更多關(guān)于考研的相關(guān)信息，請(qǐng)關(guān)注高頓考研官網(wǎng)查詢(xún)，祝大家考研成功。
　　另外，小編為考研的小伙伴們準(zhǔn)備了豐富的學(xué)習(xí)資料，想要了解相關(guān)信息的考生可以點(diǎn)擊下方藍(lán)色小卡片免費(fèi)獲取資料，或者咨詢(xún)右下角的老師哦~