北京航空航天大學(xué)人工智能學(xué)院招收2025年碩士初試自命題科目考試大綱已公布，842人工智能基礎(chǔ)綜合試卷總分150分，共包括三部分內(nèi)容。其中機(jī)器學(xué)習(xí)部分為必考內(nèi)容，占90分；算法設(shè)計(jì)與分析部分和自動(dòng)控制原理部分為選考內(nèi)容，選考內(nèi)容二選一，均占60分，若同時(shí)選考算法設(shè)計(jì)與分析和自動(dòng)控制原理兩部分，將按照得分低的計(jì)入總分。具體內(nèi)容請(qǐng)查看正文。?2025考研自命題+統(tǒng)考科目大綱領(lǐng)取
北京航空航天大學(xué)2025研究生考試大綱
人工智能學(xué)院招收2025年碩士初試自命題科目考試大綱
842人工智能基礎(chǔ)綜合考試大綱
一、試題組成
842人工智能基礎(chǔ)綜合試卷總分150分，共包括三部分內(nèi)容。其中機(jī)器學(xué)習(xí)部分為必考內(nèi)容，占90分；算法設(shè)計(jì)與分析部分和自動(dòng)控制原理部分為選考內(nèi)容，選考內(nèi)容二選一，均占60分，若同時(shí)選考算法設(shè)計(jì)與分析和自動(dòng)控制原理兩部分，將按照得分低的計(jì)入總分。
二、機(jī)器學(xué)習(xí)部分的考試大綱（90分）
（一）機(jī)器學(xué)習(xí)基礎(chǔ)算法：
（1）貝葉斯（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)建過程、根據(jù)具體的實(shí)例，構(gòu)建決策樹。掌握信息增益的概念，以及在構(gòu)建決策樹時(shí)的物理含義。
（二）統(tǒng)計(jì)學(xué)習(xí)分類器：
（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)的基本原理與線性分類器的聯(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，弱分類器的基本概念以及分類器融合算法。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。
（三）線性模型與神經(jīng)網(wǎng)絡(luò)：
（1）線性分類器-感知機(jī)等；
（2）多層感知機(jī)與反向傳播；
（3）卷積神經(jīng)網(wǎng)絡(luò)與循環(huán)神經(jīng)網(wǎng)絡(luò)。
掌握線性分類器的構(gòu)建方法，包括線性分類器的基本形式、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)用于線性分類器的設(shè)計(jì)。理解多層感知機(jī)的基本概念以及反向傳播算法的基本原理，能夠根據(jù)具體網(wǎng)絡(luò)實(shí)例使用反向傳播計(jì)算梯度的表達(dá)式。理解卷積神經(jīng)網(wǎng)絡(luò)建模圖像分類任務(wù)以及循環(huán)神經(jīng)網(wǎng)絡(luò)建模文本序列任務(wù)的基本原理，掌握卷積神經(jīng)網(wǎng)絡(luò)中卷積操作的定義和性質(zhì)、以及池化層
（Pooling）操作的定義和性質(zhì)等。
（四）深度學(xué)習(xí)：
（1）深度神經(jīng)網(wǎng)絡(luò)基礎(chǔ)模塊；
（2）深度神經(jīng)網(wǎng)絡(luò)優(yōu)化算法。
了解深度神經(jīng)網(wǎng)絡(luò)中線性層、非線性層以及標(biāo)準(zhǔn)化層的基本概念。了解梯度爆炸與消失的基本原因以及線性層的初始化技術(shù)如何緩解梯度爆炸與消失的基本原理；理解Sigmoid和ReLU等非線性層的表達(dá)式以及它們在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的優(yōu)缺點(diǎn)；掌握批標(biāo)準(zhǔn)化層（Batch Normalization,BN）和層標(biāo)準(zhǔn)化層（Layer Normalization,LN）的表達(dá)式以及它們在神經(jīng)網(wǎng)絡(luò)訓(xùn)練中的優(yōu)缺點(diǎn)。掌握梯度下降算法，理解梯度下降（Gradient Descent,GD）與隨機(jī)梯度下降(Stochastic Gradient Descent,SGD)算法的區(qū)別；了解深度學(xué)習(xí)中常用的SGD+動(dòng)量（momentum）算法以及Adam算法等。
三、算法設(shè)計(jì)與分析部分的考試大綱（60分）
（一）整體要求
1、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；
2、能夠熟練使用漸近上界、漸近下界與漸近緊確界分析算法運(yùn)行的時(shí)間復(fù)雜度；
3、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、貪心算法；掌握?qǐng)D的基本概念和相關(guān)圖算法；
4、掌握計(jì)算復(fù)雜性的基本概念和證明P、NP、NPC類問題的方法；
5、具有對(duì)簡(jiǎn)單計(jì)算問題的建模、算法設(shè)計(jì)、算法分析和編程求解能力。
（二）、復(fù)習(xí)要點(diǎn)
1、漸近復(fù)雜性分析
（1）Ｏ、Ω、Θ符號(hào)定義；
（2）分析給定算法的漸近復(fù)雜性；
（3）分析給定遞歸函數(shù)的漸近復(fù)雜性；
（4）比較具有不同漸近上界的算法或漸近表達(dá)式的效率。
2、常用算法設(shè)計(jì)方法的基本思想和特點(diǎn)，以及針對(duì)具體問題設(shè)計(jì)相應(yīng)的算法并分析其效率
（1）遞歸與分治算法
（2）動(dòng)態(tài)規(guī)劃算法
（3）貪心算法
3、圖算法
（1）圖的基本概念和基本性質(zhì)；
（2）圖的表示方法；
（3）圖的遍歷與搜索方法；
（4）最小生成樹、最短路徑、二分圖匹配、最大流最小割等圖具體問題算法。
4、計(jì)算復(fù)雜性
（1）計(jì)算復(fù)雜性的基本概念，如判定問題、優(yōu)化問題等；
（2）P、NP、NPC類問題的定義和證明。
四、自動(dòng)控制原理部分的考試大綱（60分）
1、控制系統(tǒng)的數(shù)學(xué)模型
主要內(nèi)容：
（1）動(dòng)態(tài)方程建立
（2）傳遞函數(shù)及動(dòng)態(tài)結(jié)構(gòu)圖
（3）結(jié)構(gòu)圖的等效變換、梅遜公式及應(yīng)用
2、時(shí)域分析法
主要內(nèi)容：
（1）典型響應(yīng)及性能指標(biāo)
（2）一、二階系統(tǒng)的分析與計(jì)算
（3）系統(tǒng)穩(wěn)定性的分析與計(jì)算：勞斯、古爾維茨判據(jù)
（4）穩(wěn)態(tài)誤差的計(jì)算及一般規(guī)律
3、根軌跡法
主要內(nèi)容：
（1）根軌跡的概念與根軌跡方程
（2）根軌跡的繪制法則
（3）零、極點(diǎn)分布與階躍響應(yīng)性能的關(guān)系：主導(dǎo)極點(diǎn)與
偶極子，階躍響應(yīng)的根軌跡分析
4、頻率響應(yīng)法
主要內(nèi)容：
（1）線性系統(tǒng)的頻率響應(yīng)
（2）典型環(huán)節(jié)的頻率響應(yīng)
（3）系統(tǒng)開環(huán)的頻率響應(yīng)
（4）Nyquist穩(wěn)定判據(jù)和對(duì)數(shù)頻率穩(wěn)定判據(jù)，穩(wěn)定裕度及計(jì)算
（5）開環(huán)頻率響應(yīng)與階躍響應(yīng)的關(guān)系，三頻段的分析方法
5、狀態(tài)空間分析方法
主要內(nèi)容：
（1）狀態(tài)空間方法基礎(chǔ)
（2）線性系統(tǒng)的可控性
（3）線性系統(tǒng)的可觀測(cè)性
（4）傳遞函數(shù)的實(shí)現(xiàn)
（5）狀態(tài)反饋與狀態(tài)觀測(cè)器
（6）有界輸入、有界輸出穩(wěn)定性；漸近穩(wěn)定性
注：學(xué)費(fèi)招生信息均以官網(wǎng)發(fā)布為主。以上內(nèi)容僅供參考，詳細(xì)信息請(qǐng)聯(lián)系在線輔導(dǎo)老師了解，本文部分內(nèi)容來自官網(wǎng)，或網(wǎng)絡(luò)搜集信息僅供參考，僅供參考，不代表合作關(guān)系，如有侵權(quán)，聯(lián)系刪除。
以上就是【北京航空航天大學(xué)2025研究生考試大綱：人工智能學(xué)院！】的全部?jī)?nèi)容了，希望大家都能選擇適合自己的院校和專業(yè)進(jìn)行報(bào)考，如果想要了解國(guó)內(nèi)外院校、報(bào)名條件、學(xué)費(fèi)，可登陸高頓在職考研頻道，或咨詢?cè)诰€輔導(dǎo)老師。