北航2023年人工智能考研大纲,fft算法有什么用

北航2023年人工智能考研大纲,fft算法有什么用
本文主要针对北航2023年人工智能考研大纲,fft算法有什么用和考研fft等几个问题进行详细讲解,大家可以通过阅读这篇文章对北航2023年人工智能考研大纲有一个初步认识,对于今年数据还未公布且时效性较强或政策频繁变动的内容,也可以通过阅览本文做一个参考了解,希望本篇文章能对你有所帮助。

北航2023年人工智能考研大纲?

1、842人工智能基础综合考试试卷含信号与系统、算法设计与分析和机器学习三门课程的主要内容。全部课程均不指定参考书。

2、考试试卷满分为150分,每门课考试试卷满分50分,三门课程的考试试卷均计入考试成绩。

《信号与系统》考试大纲(50分)

一、学习要点

(一)信号与系统绪论

(1)信号与系统的概念;

(2)信号的描述、分类及经常会用到信号;

(3)信号的基本运算。

(二)正交函数集与正交分解

(1)信号分解的物理意义;

(2)正交函数集;

(3)信号在正交函数集上的分解。

(三)连续周期信号的傅里叶级数

(1)连续周期信号在三角函数集上展开;

(2)连续周期信号傅里叶级数;

(3)有限项傅里叶级数与均方误差。

(四)连续信号的傅里叶变换

(1)非周期连续信号的傅里叶变换;

(2)典型信号的傅里叶变换;

(3)傅里叶变换的基本性质;

(4)周期信号的傅里叶变换。

(五)拉氏变换

(1)拉氏变换的定义、物理意义;

(2)拉氏变换的基本性质;

(3)拉氏逆变换;

(4)双边拉氏变换。

(六)连续时间系统的时候域分析

(1)系统的概念、表示与分类;

(2)LTI系统分析方式解读;

(3)连续系统的时候域经典分析法;

(4)零输入响应与零状态响应;

(5)卷积的定义与性质;

(6)卷积法解答系统响应。

(七)连续时间系统的S域分析

(1)系统函数;

(2)由系统函数零、极点分布分析的时候域特性;

(3)线性系统的稳定性分析。

(八)离散时间系统的时候域分析

(1)离散时间信号(序列)及其表示;

(2)典型离散时间信号;

(3)离散时间信号的基本运算;

(4)离散时间系统的基本概念描述与分类;

(5)系统冲激响应函数的解答。

(九)离散时间系统的Z域分析

(1)z变换及其收敛域;

(2)典型序列的z变换;

(3)逆z变换;

(4)z变换的基本性质;

(5)系统函数与z域分析。

(十)离散信号的傅里叶分析

(1)离散周期信号的傅里叶级数DFS;

(2)序列的傅里叶变换离散时间傅里叶变换DTFT;

(3)离散傅里叶变换DFT;

(4)迅速傅里叶变换FFT。

(十一)傅里叶变换及其图像处理应用

(1)数字图像简介;

(2)二维离散傅里叶变换2D DFT及其性质;

(3)2D DFT在图像处理中的应用。

《算法设计与分析》考试大纲(50分)

一、整体要求

(一)掌握并熟悉算法的定义、性质和表示方式,并可以使用伪代码对算法进行描述;

(二)可以熟练采取渐近上界、渐近下界与渐近紧确界分析算法的运行时间;

(三)掌握并熟悉算法设计的经常会用到方式,涵盖分而治之、变动规划、贪心、近似算法;掌握并熟悉图的基本概念和重要的基础图算法;

(四)掌握并熟悉计算复杂性的基本概念和证明P类、NP类问题的方式;

(五)具有对简单计算问题的建模、分析、算法设计、算法优化和编程解答能力。

二、学习要点

(一)渐近复杂性分析

(1)O、Ω、Θ符号定义;

(2)分析给定算法的渐近复杂性;

(3)比较具有不一样渐近上界的算法的效率;

(4)递归函数的运行时间分析。

(二)经常会用到算法设计方式的基本思想和特点,还有针对详细问题设计对应的算法并分析其效率

(1)分治算法

(2)变动规划算法

(3)贪心算法

(4)近似算法

(三)图算法

(1)图的基本概念和基本性质;

(2)图的表示方式;

(3)图的遍历与搜索方式;

(4)最小生成树和最短路径等图详细问题算法。

(四)计算复杂性

(1)计算复杂性的基本概念,如判断问题、优化问题等;

(2)P类和NP类问题的定义和证明。

《机器学习》考试大纲(50分)

一、学习要点

(一)机器学习基础算法:(1)Bayesian学习还有有关算法;(2)Q学习基本概念;(3)归纳学习-决策树构建算法。

掌握并熟悉机器学习发展历史、AlphaGO技术的蓬勃发展和进步历史还有核心技术,掌握并熟悉Q学习的基本方式;掌握并熟悉VC维的定义,还有统计学习理论的基本结论,深入理解经验风险和真实风险概念区别与联系;理解Bayesian的基本原理,贝叶斯学习、朴素贝叶斯算法在有关实质上问题中应用;掌握并熟悉HMM算法的基本原理;掌握并熟悉信息熵概念的内涵、ID3算法构建过程、按照详细的实例,构建决策树。掌握并熟悉信息增益的概念,还有在构建决策树时的物理含义。

(二)神经互联网与深度学习:(1)线性分类器-感知机等;(2)传统神经互联网-BP算法等;(3)深度学习-卷积神经互联网等。

掌握并熟悉线性分类器的构建方式,涵盖线性分类器的基本形式、构建方式;掌握并熟悉感知机的构建方式、Fisher准则、最小均方误差准则。掌握并熟悉机器学习里优化概念如何应用于线性分类器的设计。理解神经互联网的反传算法基本原理、可以按照详细简单的互联网实例写出反传公式的基本形式。了解经典深度神经互联网模型、还有前沿技术,主要掌握并熟悉卷积神经互联网;理解卷积神经互联网的构建过程、涵盖卷积操作的定义、Pooling操作的定义等。

(三)统计学习分类器:(1)支持向量机;(2)Adaboost算法;(3)子空间学习与稀疏表示。

理解统计学习理论的基本原理、支持向量机的基本原理与线性分类器的联系。掌握并熟悉支持向量机的优化目标构造方式、优化算法还有应用。掌握并熟悉Adaboost的基本原理,弱分类器的基本概念还有分类器融合算法。掌握并熟悉子空间学习与稀疏表示的基本概念与思想,掌握并熟悉主成分分析方式的详细过程、优化目标还有应用。基本了解Fisher判别分析、核判别分析等等;了解稀疏表示方式与子空间学习的联系与区别。

fft算法是哪个专业?

FFT属于计算专业(Fast Fourier Transformation)是离散傅氏变换(DFT)的迅速算法。即为迅速傅氏变换。它是按照离散傅氏变换的奇、偶、虚、实等特性,对离散傅立叶变换的算法进行改进取得的。

以上就是本文北航2023年人工智能考研大纲,fft算法有什么用的全部内容,关注博宇考试网了解更多关于文北航2023年人工智能考研大纲,fft算法有什么用和考研复试的相关信息。

本文链接:https://bbs.china-share.com/news/326971.html

发布于:博宇考试网(https://bbs.china-share.com)>>> 考研复试栏目

投稿人:网友投稿

说明:因政策和内容的变化,上文内容可供参考,最终以官方公告内容为准!

声明:该文观点仅代表作者本人,博宇考试网系信息发布平台,仅提供信息存储空间服务。对内容有建议或侵权投诉请联系邮箱:ffsad111@foxmail.com

TAG标签:

   ">fft算法有什么用       ">考研fft       ">fft算法是什么专业       ">北航2023年人工智能考研大纲   

考研复试热门资讯推荐