一級學科 | 學科專業(yè)、研究方向 | 考 試 科 目 | 復試科目 |
0812 計算機科學與技術 暫定招生人數(shù):22 |
081200計算機科學與技術 01多媒體信息檢索 02 視覺信息處理 03 模式識別 04 機器學習 05 智能控制 06 認知計算 07 多模態(tài)大數(shù)據(jù)分析 08 圖像處理與識別 09 智能視頻分析 10 類腦智能 |
①101思想政治理論 ②201英語一 ③301數(shù)學一 ④836計算機與人工智能專業(yè)基礎(離散數(shù)學、機器學習、信號與系統(tǒng)) |
F57計算機專業(yè)綜合(數(shù)據(jù)庫原理、計算機組成原理) |
考試科目內(nèi)容范圍說明: 836計算機與人工智能專業(yè)基礎(離散數(shù)學、機器學習、信號與系統(tǒng)): 1、離散數(shù)學:離散數(shù)學基本概念;數(shù)理邏輯、真值表、命題演算、謂詞演算、推理與證明、范式;集合、冪集合、笛卡爾積;二元關系、關系的合成與閉包、偏序、等價關系;函數(shù)、逆函數(shù);無限集合、連續(xù)統(tǒng);代數(shù)系統(tǒng)、子代數(shù)、同態(tài)、同余關系、商代數(shù)、積代數(shù)、群、環(huán)、域;格、布爾代數(shù);圖論,圖的連通性、圖的矩陣表示、歐拉圖、漢密爾頓圖、樹。 2、機器學習:機器學習的相關基本概念;線性回歸模型與求解;Logistic回歸模型與求解;線性分類器、線性判別分析;支持向量機分類與回歸,對偶問題,核函數(shù);決策樹;感知機、神經(jīng)網(wǎng)絡、BP算法、深度卷積神經(jīng)網(wǎng)絡模型;多分類學習;貝葉斯分類;集成學習;常用聚類模型與算法,聚類性能度量;降維、主成分分析、流形學習;特征選擇、稀疏表示與字典學習;強化學習。 3、信號與系統(tǒng):信號與系統(tǒng)的相關基本概念;信號與系統(tǒng)的分類和判別方法;信號分解與運算;連續(xù)時間系統(tǒng)微分方程的建立與求解;零輸入響應和零狀態(tài)響應的求解;系統(tǒng)單位沖激響應的作用和求解;卷積積分;傅里葉級數(shù);傅里葉變換的性質(zhì)及應用;傅里葉變換應用于信號和系統(tǒng)的分析;拉普拉斯變換及系統(tǒng)的拉普拉斯分析法。 復試科目內(nèi)容范圍說明請參見計算機科學與技術學院對應學科。 |