一、考試目的與要求
全國碩士研究生入學統(tǒng)一考試中的“人工智能基礎綜合”是為我校招收人工智能(085410)專業(yè)學位碩士研究生而設置的具有選拔性質的考試科目。考試要求學生掌握C語言相關知識,自動控制原理的基本概念和基礎理論、或機器學習基礎理論和算法,并具有運用基本概念和基礎理論分析問題與解決問題的能力。
二、考試范圍
1、C語言部分,所有考生必答題
(1)算法及其描述方法:算法的描述方法(流程圖、N-S流程圖),程序設計的基本結構。
(2)數據類型、運算符和表達式:包括變量和常量,預處理命令,數據類型(整型、浮點型、字符型),算術運算符,表達式。
(3)順序程序設計:各種類型數據的格式化輸入/輸出方法,字符數據的非格式化輸入/輸出方法,順序程序的設計。
(4)選擇結構程序設計:關系運算符、邏輯運算符和條件運算符,if與switch語句,if語句的嵌套。
(5)循環(huán)結構程序設計:C語言三種循環(huán)結構,混合控制結構程序設計。
(6)數組:一維數組和二維數組,字符串與字符數組,字符串函數。
(7)函數:函數的定義,原型聲明和調用,函數的嵌套調用和遞歸調用,數組作為函數的參數,變量的作用域和存儲類別,內部函數和外部函數。
(8)指針:指針的概念,指針變量定義、引用、作為函數參數,通過指針引用數組、字符串,數組指針、函數指針、指針數組、指針型函數,動態(tài)內存分配和釋放的方法。
(9)結構體、共用體、文件:結構體、共用體和枚舉數據類型,結構體數組、結構體指針、鏈表。
2、自動控制原理部分
(1)自動控制系統(tǒng)的工作原理、分類和基本要求,繪制控制系統(tǒng)方框圖并分析其工作原理。
(2)傳遞函數的定義、性質和意義,以及開環(huán)傳遞函數、閉環(huán)傳遞函數的概念(求取電路系統(tǒng)、機械系統(tǒng)等實際物理系統(tǒng)的傳遞函數)。
(3)熟練使用結構圖等效變換和化簡方法,或用梅森增益公式法求系統(tǒng)的傳遞函數。
(4)時域響應的4種主要性能指標:上升時間、峰值時間、調節(jié)時間和超調量。
(5)一階系統(tǒng)的數學模型和典型時域響應特點。
(6)二階系統(tǒng)的數學模型和典型時域響應特點,熟練計算其在欠阻尼下的性能指標和結構參數,并掌握改善二階系統(tǒng)性能的原理。
(7)穩(wěn)定性的定義以及線性定常系統(tǒng)穩(wěn)定的充要條件,熟練應用勞斯判據判定系統(tǒng)的穩(wěn)定性。
(8)系統(tǒng)在典型輸入信號作用下的穩(wěn)態(tài)誤差、擾動穩(wěn)態(tài)誤差的計算方法。
(9)高階系統(tǒng)的近似降階方法。
(10)常規(guī)根軌跡和參數根軌跡的繪制規(guī)則。
(11)應用根軌跡分析參數變化對系統(tǒng)性能的影響。
(12)理解頻率特性的含義并能用頻率特性計算系統(tǒng)在正弦信號作用下的穩(wěn)態(tài)輸出信號和穩(wěn)態(tài)誤差信號。
(13)繪制開環(huán)系統(tǒng)Nyqusit圖和對數幅頻漸進特性曲線圖。
(14)Nyqusit穩(wěn)定判據。
(15)穩(wěn)定裕度的概念,能夠利用對數幅頻特性曲線的分段近似計算系統(tǒng)的穩(wěn)定裕度。
(16)開環(huán)對數頻率特性與系統(tǒng)時域性能之間的關系,正確理解低、中、高三頻段分別對控制系統(tǒng)性能的影響。
(17)由最小相位系統(tǒng)的開環(huán)對數幅頻特性曲線確定傳遞函數的方法。
(18)利用開環(huán)對數幅頻特性曲線進行串聯超前校正和串聯滯后校正的方法、原理和步驟,理解超前校正、滯后校正、滯后-超前校正對控制系統(tǒng)性能的影響。
(19)PID控制規(guī)律及其作用。
(20)非線性系統(tǒng)的特點。
(21)非線性系統(tǒng)分析的描述函數法。
(22)非線性系統(tǒng)分析的相平面法。
3、機器學習部分
(1)機器學習的基本概念:機器學習的定義和機器學習的基本概念,包括樣本、特征、標簽、數據集、訓練、測試、模型參數、損失函數、學習誤差、泛化能力、正則化、欠擬合與過擬合、學習終止條件及方法。
(2)回歸模型:線性回歸、非線性回歸、嶺回歸、套索(LASSO)回歸基本概念及模型,回歸模型的優(yōu)化方法,包括正規(guī)方程法、梯度下降法、隨機梯度下降、牛頓法。
(3)分類模型及算法:包括判別模型與生成模型的概念和區(qū)別、K最近鄰算法、貝葉斯分類器、線性判別分析、二分類邏輯回歸、邏輯回歸的極大似然估計求解、Softmax函數。
(4)決策樹與隨機森林:決策樹的分類過程、決策樹的劃分準則,包括信息增益、信息增益比、基尼不純度、隨機森林基本概念及算法。
(5)神經網絡:神經元模型、感知機與多層網絡、誤差反向傳播算法及存在的問題、全局最小與局部極小、?其他常見的神經網絡模型。
(6)支持向量機:間隔與支持向量、對偶問題、核函數、軟間隔與正則化、支持向量回歸、支持向量機的核方法。
(7)深度學習:深度學習基本原理,常用的深度學習方法、卷積神經網絡及存在的問題。
(8)集成學習:聚合算法(bagging)、提升算法(boosting)、堆疊算法(stacking)。
(9)聚類分析:聚類基本概念、性能度量、K均值算法、度量的重要性、原型聚類概念及算法。
(10)?模型選擇:學習模型的復雜度、訓練—驗證—測試法的描述、交叉驗證法、留一交叉驗證、K折交叉驗證、學習模型的綜合評價、預測誤差期望(期望泛化誤差)基本概念、預測誤差期望的預測偏差-方差分解。
三、試題結構
考試時間:180分鐘(3小時)。
考試形式:筆試,閉卷,滿分150分。其中,C語言專業(yè)基礎部分50分,所有考生均需作答;專業(yè)知識部分100分,考生自主選擇自動控制原理部分或機器學習部分其中一種考題作答。
您填的信息已提交,老師會在24小時之內與您聯系
如果還有其他疑問請撥打以下電話
上一篇: 2025年中國礦業(yè)大學全國碩士研究生招生考試《第二外語》考試大綱
下一篇: 暫無下一篇