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...
考研复试
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：
考研复试热门资讯推荐
-
-
考研复试
本文主要针对中山大学自考怎么样文凭的含金量是不是很高，中山大学自考本科毕业证和中山大学自考研究生等几个问题进行详细讲解，大家可以通过阅读这篇文章对中山大学自考怎么样文凭...
-
考研复试
本文主要针对我想考郑州大学的法学研究生好考吗，郑州大学法学院研究生好考吗和郑州大学法硕法学复试内容等几个问题进行详细讲解，大家可以通过阅读这篇文章对我想考郑州大学的法学...
-
考研复试
本文主要针对化学工程与工艺专业难学吗和化学工程与工艺专业怎么样等几个问题进行详细讲解，大家可以通过阅读这篇文章对化学工程与工艺专业难学吗有一个初步认识，对于今年数据还未...
-
考研复试
本文主要针对湖南省各个大学会计学排名，南京哪些高职院校会计专业较好就业和湖南会计专业排名2015等几个问题进行详细讲解，大家可以通过阅读这篇文章对湖南省各个大学会计学排名有一...