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);
(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;
(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。