2024年北京航空航天大学非全日制研究生招生考试《机器学习》考试大纲

来源：在职研究生招生信息网发布时间：2023-12-14 14:11:55

　　一、复习要点

　　(一) 机器学习基础算法：(1)Bayesian学习以及相关算法;(2)Q学习基本概念;(3)归纳学习-决策树构建算法。

　　掌握机器学习发展历史、AlphaGO技术的发展历史以及核心技术，掌握Q学习的基本方法;掌握VC维的定义，以及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、朴素贝叶斯算法在相关实际问题中应用;掌握HMM算法的基本原理;掌握信息熵概念的内涵、ID3算法构建过程、根据具体的实例，构建决策树。掌握信息增益的概念，以及在构建决策树时的物理含义。

　　(二)神经网络与深度学习：(1)线性分类器-感知机等;(2)传统神经网络-BP算法等;(3)深度学习-卷积神经网络等。

　　掌握线性分类器的构建方法，包括线性分类器的基本形式、构建方法;掌握感知机的构建方法、Fisher准则、最小均方误差准则。掌握机器学习里优化概念如何应用于线性分类器的设计。理解神经网络的反传算法基本原理、能够根据具体简单的网络实例写出反传公式的基本形式。了解经典深度神经网络模型、以及前沿技术，主要掌握卷积神经网络;理解卷积神经网络的构建过程、包括卷积操作的定义、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。掌握支持向量机的优化目标构造方法、优化算法以及应用。掌握Adaboost的基本原理，弱分类器的基本概念以及分类器融合算法。掌握子空间学习与稀疏表示的基本概念与思想，掌握主成分分析方法的具体过程、优化目标以及应用。基本了解Fisher判别分析、核判别分析等等;了解稀疏表示方法与子空间学习的联系与区别。

报名申请

请提供以下信息，招生老师会尽快与您联系。符合报考条件者为您提供正式的报名表，我们承诺对您的个人信息严格保密。

姓名*

最高学历/学位*

请选择

大专以下大专本科有学位本科无学位硕士博士

手机*

毕业时间*

请选择

2026年 2025年 2024年 2023年 2022年 2021年 2020年 2019年 2018年 2017年 2016年 2015年 2014年 2013年 2012年 2011年 2010年 2009年 2008年 2007年 2006年 2005年 2004年 2003年 2002年 2001年 2000年 1999年

备注

所在地区*

省份