2025年中國礦業(yè)大學全國碩士研究生招生考試《人工智能基礎綜合》考試大綱

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。