24北航842人工智能基礎綜合考研大綱已發(fā)布！下面是學姐整理的官方發(fā)布的詳細內容，同學們一定要仔細查看，以便有針對性的復習！
24北航842人工智能基礎綜合考研大綱
　　請考生注意：
　　1、842人工智能基礎綜合試題含信號與系統(tǒng)、算法設計與分析和機器學習三門課程的內容。所有課程均不指定參考書。
　　2、試題總分為150分，每門課試題滿分50分，三門課程的試題均計入考試成績。
　　《信號與系統(tǒng)》考試大綱（50分）
　　一、復習要點
　?。ㄒ唬┬盘柵c系統(tǒng)緒論
　　(1)信號與系統(tǒng)的概念；
　　(2)信號的描述、分類及常用信號；
　　(3)信號的基本運算。
　?。ǘ┱缓瘮导c正交分解
　　(1)信號分解的物理意義；
　　(2)正交函數集；
　　(3)信號在正交函數集上的分解。
　?。ㄈ┻B續(xù)周期信號的傅里葉級數
　　(1)連續(xù)周期信號在三角函數集上展開；
　　(2)連續(xù)周期信號傅里葉級數；
　　(3)有限項傅里葉級數與均方誤差。
　?。ㄋ模┻B續(xù)信號的傅里葉變換
　　(1)非周期連續(xù)信號的傅里葉變換；
　　(2)典型信號的傅里葉變換；
　　(3)傅里葉變換的基本性質；
　　(4)周期信號的傅里葉變換。
　?。ㄎ澹├献儞Q
　　(1)拉氏變換的定義、物理意義；
　　(2)拉氏變換的基本性質；
　　(3)拉氏逆變換；
　　(4)雙邊拉氏變換。
　　（六）連續(xù)時間系統(tǒng)的時域分析
　　(1)系統(tǒng)的概念、表示與分類；
　　(2)LTI系統(tǒng)分析方法概述；
　　(3)連續(xù)系統(tǒng)的時域經典分析法；
　　(4)零輸入響應與零狀態(tài)響應；
　　(5)卷積的定義與性質；
　　(6)卷積法求解系統(tǒng)響應。
　　（七）連續(xù)時間系統(tǒng)的S域分析
　　(1)系統(tǒng)函數；
　　(2)由系統(tǒng)函數零、極點分布分析時域特性；
　　(3)線性系統(tǒng)的穩(wěn)定性分析。
　?。ò耍╇x散時間系統(tǒng)的時域分析
　　(1)離散時間信號（序列）及其表示；
　　(2)典型離散時間信號；
　　(3)離散時間信號的基本運算；
　　(4)離散時間系統(tǒng)的基本概念描述與分類；
　　(5)系統(tǒng)沖激響應函數的求解。
　?。ň牛╇x散時間系統(tǒng)的Z域分析
　　(1)z變換及其收斂域；
　　(2)典型序列的z變換；
　　(3)逆z變換；
　　(4)z變換的基本性質；
　　(5)系統(tǒng)函數與z域分析。
　?。ㄊ╇x散信號的傅里葉分析
　　(1)離散周期信號的傅里葉級數DFS；
　　(2)序列的傅里葉變換離散時間傅里葉變換DTFT；
　　(3)離散傅里葉變換DFT；
　　(4)快速傅里葉變換FFT。
　?。ㄊ唬└道锶~變換及其圖像處理應用
　　(1)數字圖像簡介；
　　(2)二維離散傅里葉變換2D DFT及其性質；
　　(3)2D DFT在圖像處理中的應用。
　　《算法設計與分析》考試大綱（50分）
　　一、整體要求
　　(一)掌握算法的定義、性質和表示方法，并能夠使用偽代碼對算法進行描述；
　　(二)能夠熟練采用漸近上界、漸近下界與漸近緊確界分析算法的運行時間；
　　(三)掌握算法設計的常用方法，包括分而治之、動態(tài)規(guī)劃、貪心、近似算法；掌握圖的基本概念和重要的基礎圖算法；
　　(四)掌握計算復雜性的基本概念和證明P類、NP類問題的方法；
　　(五)具有對簡單計算問題的建模、分析、算法設計、算法優(yōu)化和編程求解能力。
　　二、復習要點
　　(一)漸近復雜性分析
　?。?）Ｏ、Ω、Θ符號定義；
　　（2）分析給定算法的漸近復雜性；
　?。?）比較具有不同漸近上界的算法的效率；
　　（4）遞歸函數的運行時間分析。
　?。ǘ┏Ｓ盟惴ㄔO計方法的基本思想和特點，以及針對具體問題設計相應的算法并分析其效率
　?。?）分治算法
　?。?）動態(tài)規(guī)劃算法
　　（3）貪心算法
　?。?）近似算法
　?。ㄈ﹫D算法
　?。?）圖的基本概念和基本性質；
　?。?）圖的表示方法；
　　（3）圖的遍歷與搜索方法；
　　（4）最小生成樹和最短路徑等圖具體問題算法。
　　（四）計算復雜性
　?。?）計算復雜性的基本概念，如判定問題、優(yōu)化問題等；
　?。?）P類和NP類問題的定義和證明。
　　《機器學習》考試大綱（50分）
　　一、復習要點
　?。ㄒ唬C器學習基礎算法：（1）Bayesian學習以及相關算法；（2）Q學習基本概念；（3）歸納學習-決策樹構建算法。
　　掌握機器學習發(fā)展歷史、AlphaGO技術的發(fā)展歷史以及核心技術，掌握Q學習的基本方法；掌握VC維的定義，以及統(tǒng)計學習理論的基本結論，深入理解經驗風險和真實風險概念區(qū)別與聯系；理解Bayesian的基本原理，貝葉斯學習、樸素貝葉斯算法在相關實際問題中應用；掌握HMM算法的基本原理；掌握信息熵概念的內涵、ID3算法構建過程、根據具體的實例，構建決策樹。掌握信息增益的概念，以及在構建決策樹時的物理含義。
　?。ǘ┥窠浘W絡與深度學習：（1）線性分類器-感知機等；（2）傳統(tǒng)神經網絡-BP算法等；（3）深度學習-卷積神經網絡等。
　　掌握線性分類器的構建方法，包括線性分類器的基本形式、構建方法；掌握感知機的構建方法、Fisher準則、最小均方誤差準則。掌握機器學習里優(yōu)化概念如何應用于線性分類器的設計。理解神經網絡的反傳算法基本原理、能夠根據具體簡單的網絡實例寫出反傳公式的基本形式。了解經典深度神經網絡模型、以及前沿技術，主要掌握卷積神經網絡；理解卷積神經網絡的構建過程、包括卷積操作的定義、Pooling操作的定義等。
　?。ㄈ┙y(tǒng)計學習分類器：（1）支持向量機；（2）Adaboost算法；（3）子空間學習與稀疏表示。
　　理解統(tǒng)計學習理論的基本原理、支持向量機的基本原理與線性分類器的聯系。掌握支持向量機的優(yōu)化目標構造方法、優(yōu)化算法以及應用。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。掌握子空間學習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)化目標以及應用?；玖私釬isher判別分析、核判別分析等等；了解稀疏表示方法與子空間學習的聯系與區(qū)別。
　　以上信息來源：北京航空航天大學研究生招生網。
　　以上就是學姐為大家整理的【24北航842人工智能基礎綜合考研大綱已發(fā)布！】的全部內容！想了解更多關于考研的相關信息，請關注高頓考研官網查詢，祝大家考研成功。
　　另外，小編為考研的小伙伴們準備了豐富的學習資料，想要了解相關信息的考生可以點擊下方藍色小卡片免費獲取資料，或者咨詢右下角的老師哦~