2023控制学院博士招生自命题科目考试大纲

 2023年博士研究生入学考试大纲

考试科目名称：传感器技术          考试时间：60分钟，满分：100分

1. 考试要求：

重点掌握传感器技术相关的基本理论和基本方法，需要熟练掌握和运用重要原理和定义。试题覆盖面要求广泛，涉及基本概念、前沿技术、综合应用等。

二、考试内容：

1．工程光学基础

（1）几何光学的基本定律和完善成像条件

（2）共轴球面系统、平面系统和理想光学系统成像的基本特征及作图方法

（3）光的散射原理和光学材料的描述参数

（4）光学系统中光阑的概念、作用及计算方法

（5）光波的表达形式、叠加原理和傅里叶分析方法

（6）相干光学系统和非相干光学系统的成像特点及应用

2．激光原理及应用

（1）辐射理论概要及激光产生的条件

（2）激光器的工作原理

（3）激光器的输出特性

（4）典型激光器的特点及机理

（5）激光技术在精密测量及加工领域的应用

3. 光谱技术及应用

（1）光谱学基础知识

（2）光谱仪及光电探测器

（3）激光光谱仪光源、吸收及发射（荧光）光谱技术特点

（4）拉曼散射原理及表面增强拉曼光谱技术

4.坐标测量技术及仪器

（1）传统的尺寸测量方式

（2）坐标测量技术的基本原理

（3）正交式三坐标测量机的结构特点

（4）关节臂式坐标测量机的结构特点

5.误差理论与数据处理基础

（1）误差的基本性质与处理

（2）测量不确定度的基本概念

（3）测量不确定度的评定方法

6. 微流控传感技术

（1）微流体的基本概念

（2）层流、湍流等流体流动模型

（3）微纳加工技术与芯片制作方法

（4）微流体控制的原理与方法

（5）微流控芯片上的检测技术

7. 微纳传感器技术

（1）微纳传感器基本概念

（2）微纳传感器基本原理

（3）微纳传感器加工制备

（4）微纳传感器性能评价

（5）微纳传感器应用进展

8．微纳传感器信息融合技术

（1）微纳传感器信息获取方式

（2）多传感器数据融合方法

（3）微纳传感器信号补偿与校正方法

（4）智能传感器系统设计

（5）智能感知技术与应用

三、参考书目

1. 工程光学（第四版），郁道银，机械工业出版社，2016，ISBN:9787111519621。

2. 《集成微纳系统的前沿技术》，张海霞、张晓升、杨卓青，北京大学出版社，2022，ISBN:9787301332368。

 2023年博士研究生入学考试大纲

考试科目名称：模式识别          考试时间：60分钟，满分：100分

1. 考试要求：

重点掌握模式识别系统相关的基本理论和基本方法，需要熟练掌握模式识别各类方法的基本原理、数学模型及应用场景。大纲覆盖模式识别概述、模式识别系统的基本框架、贝叶斯决策理论、线性判别函数、特征提取、无监督学习方法、半监督学习方法、深度学习等基础知识及模式识别系统评价方法。

2. 考试内容：

1. 模式识别的基本概念及框架

1. 模式识别概念及发展

2. 模式识别系统框架

2. 贝叶斯分类

1. 贝叶斯决策理论

2. 判别函数及决策平面

3. 正态分布的贝叶斯分类

4. 样本分布概率密度估计

3. 线性分类器

1. 线性判别函数

2. 感知准则函数

3. 最小平方误差准则

4. 均方差估计准则

5. 支持向量机

6. 逻辑回归

4. 特征的选择与提取

1. 数据预处理方法

2. 类别可分离性判据

3. 特征子集选择

4. 最优特征生成

5. 系统评估

1. 误差计算方法

2. 有限数据集挖掘

6. 无监督学习方法

1. 近邻准则

2.  k均值聚类算法

3. 均值漂移算法

4. 高斯混合模型

7. 半监督学习方法

1. 自训练算法

2. 共同训练算法

3. 流形正则化算法

8. 深度学习

1. 人工神经网络

2. 卷积神经网络

3. 生成对抗网络

4. 图卷积神经网络

5. 元学习

6. 度量学习

7. 迁移学习

三、参考书目

 1.Pattern Recognition, Sergios Theodoridis and Konstantinos Koutroumbas, 电子工业出版社，2010.02。

2.Pattern Classification, Richard O.Duda, Peter E.Hart, David G.Stork, 机械工业出版社, 2003.09。

 2023年博士研究生入学考试大纲

考试科目名称：人工智能技术          考试时间：60分钟，满分：100分

1. 考试要求：

重点掌握人工智能技术相关的基本理论和基本方法，需要熟练掌握人工智能技术各类方法的基本原理、数学模型及应用场景。大纲覆盖人工智能技术概述、机器学习、深度学习、自然语言处理、计算机视觉、人工智能系统以及人工智能技术与社会发展。

2. 考试内容：

1. 人工智能技术的基本概念

1. 人工智能技术的定义和发展历程

2. 人工智能技术的基本特点和应用领域

3. 人工智能技术的发展现状和未来发展趋势

2. 机器学习

1. 机器学习的基本概念

2. 监督学习方法

3. 无监督学习方法

4. 半监督学习方法

5. 强化学习方法

3. 深度学习

1. 深度学习的基本概念和方法

2. 神经网络的基本原理

3. 常用深度学习算法和神经网络模型

4. 自然语言处理

1. 自然语言处理的基本概念和任务

2. 词法分析、句法分析、语义分析的原理

3. 文本分类、信息抽取、机器翻译的原理

4. 自然语言处理技术的应用

5. 计算机视觉

1. 计算机视觉的基本概念和任务

2. 数字图像处理方法

3. 数字图像分析方法

4. 数字图像理解方法

5. 计算机视觉技术的应用

6. 人工智能系统

1. 智能系统的基本概念

2. 专家系统、智能控制、智能优化的原理

3. 智能系统的评估和应用

7. 人工智能技术与社会发展

1. 人工智能技术对社会发展的影响

2. 人工智能技术的应用案例和未来发展趋势

三、参考书目

 1.Deep Learning, Ian Goodfellow, Yoshua Bengio, Aaron Courville, 人民邮电出版社，2017.08。

2. Pattern Recognition, Sergios Theodoridis and Konstantinos Koutroumbas, 电子工业出版社，2010.02。

 2023年博士研究生入学考试大纲

考试科目名称：线性系统理论          考试时间：60分钟，满分：100分

1. 考试要求：

考生应重点掌握线性系统理论的基本概念、基本原理和基本方法，能够熟练运用线性系统时间域理论进行状态空间模型的建立、运动分析、结构分析、稳定性分析及系统综合。试题涉及基本概念简述分析、图形绘制、综合计算等。

二、考试内容：

1．线性系统理论研究背景与基本概念

（1）系统、动态系统、线性系统的基本概念

（2）线性系统理论的发展史

2．线性系统状态空间描述

（1）各类数学模型的特点差异

（2）状态空间描述模型的基本概念、建立方法、与其他模型的关系

（3）线性变换的原理，约当规范型的建立方法

（4）串联、并联、反馈组合形式

3. 线性系统运动分析

（1）定常系统的零输入响应、零状态响应，矩阵指数函数的求解方法

（2）时变系统状态转移矩阵的概念

（3）连续系统离散化方法

4. 线性系统能控能观性

（1）能控性和能观性的基本概念

（2）能控性判据、能观性判据

（3）对偶原理的概念，对偶原理在控制系统分析中的应用

（4）能控规范型、能观规范型的表达形式，相应的线性变换方法

（5）能控性分解和能观性分解的原理和步骤，最小实现的概念

5. 线性系统的稳定性分析

（1)李雅普诺夫稳定性的概念

(2）李雅普诺夫稳定性判断方法：第一法和第二法

（3）构造李雅普诺夫函数的方法

6. 线性反馈系统的时域综合

（1）单输入系统的状态反馈极点配置方法、多输入系统的状态反馈极点配置方法

（2）状态反馈镇定的原理、充分必要条件

（3）动态解耦、静态解耦的概念和原理

（4）状态观测器的设计条件、设计步骤

三、参考书目

1. 郑大钟. 线性系统理论(第2版). 清华大学出版社.