新祥旭StudyWithMe導讀：本文包含23年清華大學深研院人工智能807信息技術(shù)基礎(chǔ)綜合考研的初試經(jīng)驗、參考書、分數(shù)線、招生人數(shù)、復試流程、真題題型、難度分析等干貨。

一、清華大學深研院人工智能考研招生專業(yè)目錄

085400 （專業(yè)學位） 電子信息

03（全日制）人工智能

34人

①101 思想政治理論 ②201 英語（一） ③301 數(shù)學（一） ④807 信息技術(shù)基礎(chǔ)綜合

二、清華大學807信息技術(shù)基礎(chǔ)綜合考研初試參考書

《模式識別》 張學工編著 清華大學出版社，第三版（2010 年 3 月）

《新祥旭-清華大學807信息技術(shù)基礎(chǔ)綜合考研一對一復習規(guī)劃》

《新祥旭-清華大學807信息技術(shù)基礎(chǔ)綜合考研復習資料》

知點考博 | 新祥旭StudyWithMe | 新祥旭清碩堂清華考研

三、清華大學807信息技術(shù)基礎(chǔ)綜合考研考試大綱

807信息技術(shù)基礎(chǔ)綜合

一、考試性質(zhì)

《信息技術(shù)基礎(chǔ)綜合》是 2022 年清華大學深圳國際研究生院電子信息專業(yè)【人工智能】方向全國碩士生統(tǒng)一入學考試專業(yè)課考試科目。【人工智能】項目是一個基于自動化、計算機以及電子通信等一級學科基礎(chǔ)上設(shè)立的一個多學科交叉工程碩士項目，本專業(yè)課考試科目力求能夠科學、公平、準確、規(guī)范地測評考生在信息技術(shù)領(lǐng)域，特別是人工智能相關(guān)理論及技術(shù)上所具備的基礎(chǔ)知識、核心技能、自主創(chuàng)新等方面的綜合能力，選拔具有較強科研能力、知識技能創(chuàng)新能力 和發(fā)展?jié)撡|(zhì)的優(yōu)秀考生入學。

二、考試要求

測試考生對信息技術(shù)領(lǐng)域特別是人工智能方向相關(guān)的基本概念、基礎(chǔ)理論與 核心技能的掌握和運用能力。

三、考試方式與分值

滿分 150 分，題型包括：填空題、是非判斷題、選擇題，名詞解釋，計算題等。

四、參考書目：

《模式識別》 張學工編著 清華大學出版社，第三版（2010 年 3 月）

五、考試內(nèi)容

1 模式識別基礎(chǔ)

1.1 模式與模式識別的概念

1.2 模式識別的主要方法

1.3 監(jiān)督模式識別與非監(jiān)督模式識別

1.4 模式識別系統(tǒng)舉例

1.5 模式識別系統(tǒng)的典型構(gòu)成

2 統(tǒng)計決策方法

2.1 統(tǒng)計決策方法的基本概念

2.2 最小錯誤率貝葉斯決策

2.3 最小風險貝葉斯決策

2.4 兩類錯誤率、Neyman-Pearson 決策與 ROC 曲線

2.5 正態(tài)分布時的統(tǒng)計決策

2.5.1 正態(tài)分布及其性質(zhì)回顧

2.5.2 正態(tài)分布概率模型下的最小錯誤率貝葉斯決策

2.6 錯誤率的計算

2.6.1 正態(tài)分布且各類協(xié)方差矩陣相等情況下錯誤率的計算

2.6.2 高維獨立隨機變量時錯誤率的估計

2.7 離散概率模型下的統(tǒng)計決策

3 概率密度函數(shù)估計

3.1 概率密度函數(shù)的估計的基本概念

3.2 最大似然估計

3.2.1 最大似然估計的基本原理

3.2.2 最大似然估計的求解

3.2.3 正態(tài)分布下的最大似然估計

3.3 貝葉斯估計與貝葉斯學習

3.3.1 貝葉斯估計

3.3.2 貝葉斯學習

3.3.3 正態(tài)分布時的貝葉斯估計

3.3.4 其他分布的情況

3.4 概率密度估計的非參數(shù)方法

3.4.1 非參數(shù)估計的基本原理與直方圖方法

3.4.2 k 近鄰估計方法

3.4.3 Parzen 窗法

4 線性分類器

4.1 線性判別函數(shù)

4.2 Fisher 線性判別分析

4.3 感知器

4.4 最小平方誤差判別

4.5 最優(yōu)分類超平面與線性支持向量機

4.5.1 最優(yōu)分類超平面

4.5.2 大間隔與推廣能力

4.5.3 線性不可分情況

4.6 多線性分類器

4.6.1 多個兩類分類器的組合

4.6.2 多類線性判別函數(shù)

5 非線性分類器

5.1 分段線性判別函數(shù)

5.1.1 分段線性距離分類器

5.1.2 一般分段線性判別函數(shù)

5.2 二次判別函數(shù)

5.3 多層感知器神經(jīng)網(wǎng)絡(luò)

5.3.1 神經(jīng)元與感知器

5.3.2 多個感知器組合

5.3.3 基于反向傳播算法的多層感知器

5.4 支持向量機

5.4.1 廣義線性判別函數(shù)

5.4.2 核函數(shù)變換與支持向量機

5.4.3 多類支持向量機

5.4.4 用于函數(shù)擬合的支持向量機

5.5 核函數(shù)機器

5.5.1 大間隔機器與核函數(shù)機器

5.5.2 核 Fisher 判別

6 其他分類方法

6.1 近鄰法

6.1.1 最近鄰法

6.1.2 k-近鄰法

6.1.3 近鄰法的快速算法

6.1.4 剪輯近鄰法

6.1.5 壓縮近鄰法

6.2 決策樹與隨機森林

6.2.1 非數(shù)值特征

6.2.2 決策樹

6.2.3 過學習與決策樹的剪枝

6.2.4 隨機森林

6.3 Logistic 回歸

6.4 Boosting 方法

7 特征選擇

7.1 特征的評價準則

7.1.1 基于類內(nèi)類間距離的可分性判據(jù)

7.1.2 基于概率分布的可分性判據(jù)

7.1.3 基于熵的可分性判據(jù)

7.1.4 利用統(tǒng)計檢驗作為可分性判據(jù)

7.2 特征選擇的最優(yōu)算法

7.3 特征選擇的次優(yōu)算法

7.4 特征選擇的遺傳算法

7.5 以分類性能為準則的特征選擇方法

8 特征提取

8.1 基于類別可分性判據(jù)的特征提取

8.2 主成分分析方法

8.3 Karhunen-Lo?ve 變換

8.3.1 K-L 變換的基本原理

8.3.2 用于監(jiān)督模式識別的 K-L 變換

8.4 K-L 變換在人臉識別中的應用舉例

8.5 高維數(shù)據(jù)的低維顯示

8.6 多維尺度法

8.6.1 MDS 的基本概念

8.6.2 古典尺度法

8.6.3 度量型 MDS

8.6.4 非度量型 MDS

8.6.5 MDS 在模式識別中的引用

8.7 非線性變換方法簡介

8.7.1 核主成分分析（KPCA）

8.7.2 IsoMap 方法和 LLE 方法

9 非監(jiān)督模式識別

9.1 基于模型的方法

9.2 混合模型的估計

9.2.1 非監(jiān)督最大似然估計

9.2.2 正態(tài)分布情況下的非監(jiān)督參數(shù)估計

9.3 動態(tài)聚類算法

9.3.1 C 均值算法

9.3.2 ISODATA 方法

9.3.3 基于樣本與核的相似性度量的動態(tài)聚類算法

9.4 模糊聚類算法

9.4.1 模糊集的基本知識

9.4.2 模糊 C 均值算法

9.4.3 改進的模糊 C 均值算法

9.5 分級聚類方法

9.6 自組織映射神經(jīng)網(wǎng)絡(luò)

9.6.1 SOM 網(wǎng)絡(luò)結(jié)構(gòu)

9.6.2 SOM 學習算法和自組織特性

9.6.3 SOM 用于模式識別

10 模式識別系統(tǒng)的評價

10.1 監(jiān)督模式識別方法的錯誤率估計

10.1.1 訓練錯誤率

10.1.2 測試錯誤率

10.1.3 交叉驗證

10.1.4 自舉法與.632 估計

10.2 有限樣本下錯誤率的區(qū)間估計問題

10.2.1 問題的提出

10.2.2 用擾動重采樣估計 SVM 錯誤率的置信區(qū)間

10.3 特征提取與選擇對分類器性能估計的影響

10.4 從分類的顯著性推斷特征與類別的關(guān)系

10.5 非監(jiān)督模式識別系統(tǒng)性能的評價

四、清華大學深研院人工智能考研錄取名單、錄取人數(shù)、錄取分數(shù)區(qū)間

2023 年清華大學深圳國際研究生院碩士研究生電子信息（人工智能）擬錄取名單公示

五、清華大學807信息技術(shù)基礎(chǔ)綜合考研真題回憶版

根據(jù)清華大學深研院人工智能要求，真題暫不對外展示。

六、清華大學復試內(nèi)容、復試流程、復試評分標準

2023年清華大學深研院電子信息（人工智能）碩士生復試錄取實施細則

1. 各專業(yè)（項目）考生入圍復試分數(shù)線

2. 總成績計算辦法和排序規(guī)則

面試組由 5 位具有研究生指導資格的專家組成，專家依據(jù)考生的現(xiàn)場表現(xiàn)按百分制獨立打分給出面試成績，平均計算每位學生的面試成績。根據(jù)初試成績、筆試成績、面試成績計算考生總成績?？忌诸悇e進行名次排序，按總成績排序，擇優(yōu)錄取。

總成績計算方法：總成績（滿分 1000）=初試成績（滿分 500）+復試筆試成績（滿分100）× 50% + 復試面試成績（滿分 100）×450%

3. 組織形式

資格審查與復試均為線下舉行本項目對復試現(xiàn)場進行全程的錄音錄像。

4. 復試時間、形式安排（含資格審查、復試安排等）

（1）資格審查時間：2023 年 3 月 22 日和 3 月23 日09:00—18:00（具體時間另行通知）（2）筆試時間：以材料審核形式替代，3.20 日中午12:00 前上傳材料至系統(tǒng)（3）面試時間：2023 年 3 月 22 日和 3 月23 日20 分鐘/生（具體時間另行通知）（4）面試地點：清華大學深圳國際研究生院信息樓1903 &2103

5. 繳納復試費

6. 考生資格審查注意事項

考生在資格審查前登錄我校研究生申請服務系統(tǒng)?提交以下材料的電子文檔。①有效二代居民身份證②學歷學位證書（應屆生提供學生證）③大學期間成績單原件或檔案中成績單復印件（含GPA、所在專業(yè)或所在學院排名，加蓋檔案單位紅章）④清華大學研究生招生考生誠信承諾書（考生本人簽名）⑤考生自述（包括政治表現(xiàn)、外語水平、業(yè)務和科研能力、研究計劃、課外科技活動情況總結(jié)、感興趣的研究方向和未來職業(yè)規(guī)劃等）⑥個人簡歷⑦學科研究方向志愿⑧外語水平、專業(yè)水平證明（學術(shù)論文，專利申請等）等各類獲獎證明（請按獎項等級從高到底排列）①－④文件需在資格審查時展示原件，未進行資格審查或資格審查未通過的考生一律不予錄取。*資格審查不合格者，不得參加復試，存疑者可根據(jù)實際情況采取其他方式核查。不論是否錄取，所交材料（含成績單）一律不予退還。

7. 復試考核注意事項：

（1）筆試安排：考察形式：材料審核：要求應屆考生上傳本科期間前 7 學期成績單、往屆生則上傳完整4 學年成績單、個人簡歷、個人陳述、獲獎證明、科研成果證明等，特別是人工智能專業(yè)相關(guān)課程的成績以及專業(yè)類競賽材料和科研成果材料。由3 名副高或以上職稱教師組成的評審小組對學生材料進行綜合審查并單獨打分（百分制），計算平均分作為筆試成績?？疾閮?nèi)容：主要審核學生在人工智能學科領(lǐng)域?qū)W習和研究的基礎(chǔ)能力及知識運用能力。（2）面試安排：形式：線下，每位考生 20 分鐘，包括英語面試 5 分鐘&綜合面試15分鐘?？疾閮?nèi)容：?英語面試：5 分鐘，考生隨機抽一篇英文文獻，通過誦讀，翻譯，考官問答三個環(huán)節(jié)考查考生英語閱讀與聽說能力；?個人自述：時間 3 分鐘，不用 PPT，介紹包括個人學習情況、實踐活動與獲獎、學術(shù)成果、特長愛好、人際關(guān)系、對報考專業(yè)的科研了解情況等；?專家提問：5 位評委根據(jù)考生的教育背景和科研經(jīng)歷、專業(yè)知識和相關(guān)實踐能力、對本學科發(fā)展動態(tài)的了解以及在本專業(yè)領(lǐng)域發(fā)展的潛力、思想狀況、心理素質(zhì)、語言表達能力以及思維的敏銳性和邏輯性等方面進行提問。

8. 計劃調(diào)整情況：

因推免生流失，2023 年將電子信息(人工智能)專業(yè)（代碼：085400(03)）招生計劃調(diào)整為 34 個。

知點考博 | 新祥旭StudyWithMe | 新祥旭清碩堂清華考研