人工智能作為當今科技領域的璀璨明星，北京航空航天大學2025年考研842人工智能基礎綜合考試大綱吸引著無數(shù)渴望投身人工智能浪潮的考生。此大綱如同人工智能知識海洋的航海圖，涵蓋了機器學習、深度學習、自然語言處理等重要板塊?？忌鷤冃枰罁?jù)大綱，深入探索人工智能的算法原理、模型構建與應用場景。從基礎的數(shù)學模型到復雜的智能系統(tǒng)開發(fā)，都要進行系統(tǒng)學習，在大綱的引領下，逐步揭開人工智能神秘的面紗，為考研成功奠定堅實的知識基礎。

【北航25考研考試大綱】>>>2025年北京航空航天大學碩士招生考試初試科目考試大綱

842人工智能基礎綜合考試大綱

一、試題組成

842人工智能基礎綜合試卷總分150分，共包括三部分內容。其中機器學習部分為必考內容，占90分;算法設計與分析部分和自動控制原理部分為選考內容，選考內容二選一，均占60分。若同時選考算法設計與分析和自動控制原理兩部分，將按照得分低的計入總分。

二、機器學習部分的考試大綱(90分)

(一)機器學習基礎算法：(1)貝葉斯(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(lián)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(jù)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。

(二)統(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(lián)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。基本了解Fisher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(lián)系與區(qū)別。

(三)線性模型與神經網絡：(1)線性分類器-感知機等;(2)多層感知機與反向傳播;(3)卷積神經網絡與循環(huán)神經網絡。

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。理解多層感知機的基本概念以及反向傳播算法的基本原理，能夠根據(jù)具體網絡實例使用反向傳播計算梯度的表達式。理解卷積神經網絡建模圖像分類任務以及循環(huán)神經網絡建模文本序列任務的基本原理，掌握卷積神經網絡中卷積操作的定義和性質、以及池化層(Pooling)操作的定義和性質等。

(四)深度學習：

(1)深度神經網絡基礎模塊;

(2)深度神經網絡優(yōu)化算法。

了解深度神經網絡中線性層、非線性層以及標準化層的基本概念。了解梯度爆炸與消失的基本原因以及線性層的初始化技術如何緩解梯度爆炸與消失的基本原理;理解Sigmoid和ReLU等非線性層的表達式以及它們在神經網絡訓練中的優(yōu)缺點;掌握批標準化層(Batch Normalization,BN)和層標準化層(Layer Normalization,LN)的表達式以及它們在神經網絡訓練中的優(yōu)缺點。掌握梯度下降算法，

理解梯度下降(Gradient Descent,GD)與隨機梯度下降

(Stochastic Gradient Descent,SGD)算法的區(qū)別;了解深度學習中常用的SGD+動量(momentum)算法以及Adam算法等。

三、算法設計與分析部分的考試大綱(60分)

(一)整體要求

1、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;

2、能夠熟練使用漸近上界、漸近下界與漸近緊確界分析算法運行的時間復雜度;

3、掌握算法設計的常用方法，包括分而治之、動態(tài)規(guī)劃、貪心算法;掌握圖的基本概念和相關圖算法;

4、掌握計算復雜性的基本概念和證明P、NP、NPC類問題的方法;

5、具有對簡單計算問題的建模、算法設計、算法分析和編程求解能力。

(二)、復習要點

1、漸近復雜性分析

(1)O、Ω、Θ符號定義;

(2)分析給定算法的漸近復雜性;

(3)分析給定遞歸函數(shù)的漸近復雜性;

(4)比較具有不同漸近上界的算法或漸近表達式的效率。

2、常用算法設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

(1)遞歸與分治算法

(2)動態(tài)規(guī)劃算法

(3)貪心算法

3、圖算法

(1)圖的基本概念和基本性質;

(2)圖的表示方法;

(3)圖的遍歷與搜索方法;

(4)最小生成樹、最短路徑、二分圖匹配、最大流最小割等圖具體問題算法。

4、計算復雜性

(1)計算復雜性的基本概念，如判定問題、優(yōu)化問題等;

(2)P、NP、NPC類問題的定義和證明。

四、自動控制原理部分的考試大綱(60分)

1、控制系統(tǒng)的數(shù)學模型主要內容：

(1)動態(tài)方程建立

(2)傳遞函數(shù)及動態(tài)結構圖

(3)結構圖的等效變換、梅遜公式及應用

2、時域分析法主要內容：

(1)典型響應及性能指標

(2)一、二階系統(tǒng)的分析與計算

(3)系統(tǒng)穩(wěn)定性的分析與計算：勞斯、古爾維茨判據(jù)

(4)穩(wěn)態(tài)誤差的計算及一般規(guī)律

3、根軌跡法主要內容：

(1)根軌跡的概念與根軌跡方程

(2)根軌跡的繪制法則

(3)零、極點分布與階躍響應性能的關系：主導極點與偶極子，階躍響應的根軌跡分析

4、頻率響應法

主要內容：

(1)線性系統(tǒng)的頻率響應

(2)典型環(huán)節(jié)的頻率響應

(3)系統(tǒng)開環(huán)的頻率響應

(4)Nyquist穩(wěn)定判據(jù)和對數(shù)頻率穩(wěn)定判據(jù)，穩(wěn)定裕度及計算

(5)開環(huán)頻率響應與階躍響應的關系，三頻段的分析方法

5、狀態(tài)空間分析方法主要內容：

(1)狀態(tài)空間方法基礎

(2)線性系統(tǒng)的可控性

(3)線性系統(tǒng)的可觀測性

(4)傳遞函數(shù)的實現(xiàn)

(5)狀態(tài)反饋與狀態(tài)觀測器

(6)有界輸入、有界輸出穩(wěn)定性;漸近穩(wěn)定性

總之，2025年北京航空航天大學考研842人工智能基礎綜合考試大綱為考生開啟了人工智能學習與考核的大門。考生在復習過程中，要以大綱為核心，不斷提升自己在人工智能領域的技術水平與創(chuàng)新思維。通過對大綱內容的深入研究與實踐操作，構建起完善的人工智能知識架構與應用能力。如此，方能在考研競爭中脫穎而出，順利進入北航人工智能專業(yè)，在人工智能的創(chuàng)新前沿勇攀高峰，為推動人工智能技術的發(fā)展與變革貢獻力量，開啟智能科技探索與創(chuàng)造的輝煌篇章。

優(yōu)路教育考研考試大綱為大家推送了許多25考研考試大綱新消息，有需要的考生可以點擊前文的鏈接查閱相關內容。