哈尔滨工程大学研究生课程教学大纲汇编 计算机科学与技术学院 博士

哈尔滨工程大学研究生课程教学大纲汇编 计算机科学与技术学院 博士

ID:9604126

大小:581.50 KB

页数:48页

时间:2018-05-03

哈尔滨工程大学研究生课程教学大纲汇编 计算机科学与技术学院 博士 _第1页
哈尔滨工程大学研究生课程教学大纲汇编 计算机科学与技术学院 博士 _第2页
哈尔滨工程大学研究生课程教学大纲汇编 计算机科学与技术学院 博士 _第3页
哈尔滨工程大学研究生课程教学大纲汇编 计算机科学与技术学院 博士 _第4页
哈尔滨工程大学研究生课程教学大纲汇编 计算机科学与技术学院 博士 _第5页
资源描述:

《哈尔滨工程大学研究生课程教学大纲汇编 计算机科学与技术学院 博士 》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、哈尔滨工程大学研究生课程教学大纲汇编48哈尔滨工程大学研究生课程教学大纲汇编计算机科学与技术学院博士研究生课程062301计算机科学数学32学时/2学分英文译名:MathematicsforComputerScience适用领域:计算机科学与技术,计算机应用技术任课教师:黄少滨教学目的:通过本课程的学习,使研究生熟悉掌握现代计算机科学与技术的相关理论基础,为后续的科学研究工作打下坚实的基础。预备知识或先修课程要求:算法设计与分析,离散数学,程序设计,数据结构等。教学方式及学时分配:课堂讲授28学时,课

2、堂讨论4学时。学时教学内容教学方式4数理逻辑、多值逻辑、模糊逻辑、模态逻辑授课2时态逻辑、线性逻辑、组合逻辑、非单调逻辑、直觉主义逻辑授课4抽象代数、范畴论、量子计算中的计算机科学简介授课2对计算科学的思考、组合学、密码学授课2算法、算法学授课2计算复杂性理论授课2可计算性理论授课2自动机理论、形式语言理论课堂讨论4形式语义、类型论授课2并发模型、程序逻辑授课4混合计算模型、程序验证授课2计算机科学的发展—量子信息学简介课堂讨论教学主要内容及对学生的要求:本课程比较全面地介绍计算机科学的理论基础,包括

3、逻辑学、代数学、计算理论、程序理论及量子计算简介,为博士生打下坚实的理论基础,并要求博士生要扩展学习与研究,为后续的学术研究及科研工作做好准备。内容摘要:本课程将主要介绍数理逻辑包括命题逻辑、一阶逻辑、高阶逻辑、哥德尔完全性定理、多值逻辑、非单调逻辑、直觉主义逻辑等全面的逻辑学基础为后续的若干研究方向打下逻辑基础;在代数学方面,重点介绍抽象代数学包括群、环、域、格,布尔代数、关系代数、计算机代数、计算机数学,范畴论,计算数论,组合学密码学等基本概念;48哈尔滨工程大学研究生课程教学大纲汇编计算理论方面

4、,算法、算法学,计算复杂性理论包括复杂性度量、复杂性归约等,可计算性函数、递归函数、可判定问题、不可判定问题等,自动机理论方面主要介绍有限自动机、图灵机、概率自动机等,形式语言理论简介;程序理论方面重点介绍形式语义,类型论,进程代数、通信系统演算、程序逻辑、混合计算模型、程序验证等。考核方式:采用课程论文的方式进行考核,百分制。主要参考书目:[1]计算机科学技术百科全书.(第二版)张效祥主编.清华大学出版社.2005年[2]量子计算和量子信息(一).MichaelA.Nielsen,IsaacL.Ch

5、uang著,赵千川译.清华大学出版社.2004年[3]计算理论基础.HarryR.Lewis,ChristosH.Papadimitriou著,张立昂刘田译.[4]PrinciplesofModelChecking.ChristelBaier,Joost-PieterKatoen.TheMITPress2007.062302机器学习理论32学时/2学分英文译名:MachineLearningTheory适用领域:计算机应用技术任课教师:张汝波教学目的:通过该课程的学习使学生了解机器学习领域的最新发展动

6、向及现状;掌握机器学习的新概念、新理论、新方法与技术及其应用情况;能够运用机器学习方法来解决实际问题;为进一步深入研究建立有关概念和方法的基础。预备知识或先修课程要求:计算智能、人工智能、模式识别教学方式及学时分配:课堂授课24学时、课堂讨论8学时学时教学内容教学方式2机器学习概论授课2概念学习授课2决策树学习授课2连接学习授课2评估假设授课2计算学习理论授课2基于实例的学习授课2进化学习授课2分析学习授课2归纳学习与分析学习的结合授课4强化学习授课8机器学习的新理论课堂讨论教学主要内容及对学生的要求

7、:本课程强调机器学习的理论原理的教学,注重从实例入手使学生理解机器学习的概念与原理,注重从机器学习的基本框架上理解不同机器学习方法之间的异同点。48哈尔滨工程大学研究生课程教学大纲汇编内容摘要:近年来机器学习理论在诸多应用领域得到成功的应用与发展,已成为计算机科学的基础及热点之一。采用机器学习方法的计算机程序被成功用于各个应用领域。本课程突出强调机器学习的理论原理的教学,注重从实例入手使学生理解机器学习的概念与原理,注重从机器学习的基本框架上理解不同机器学习方法之间的异同点。主要教学内容包括概念学习、

8、决策树学习、连接学习、评估假设、计算学习理论、基于实例的学习、进化学习、分析学习、强化学习等。最终考核以大作业方式来进行。考核题目可以从推荐的选题中选择,或与自己将来的研究内容相结合,或根据其它兴趣选择。所完成的作业目应是关于机器学习算法的实现及其在某个特定领域中的应用。考核方式:采用课程论文的方式进行考核,百分制。主要参考书目:[1]TomM.Mitchell著,曾华军等译,《机器学习》,机械工业出版社,2003年[2]张汝波《强化学习理论及应用》哈尔

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。