《八课程编码东北大学信息科学与工程学院》由会员分享，可在线阅读，更多相关《八课程编码东北大学信息科学与工程学院（10页珍藏版）》请在金锄头文库上搜索。
1、信息科学与工程学院 工程博士培养方案电子与信息一、培养目标工程博士专业学位研究生（以下称“工程博士”）的培养，要紧密结合我国经济社会和科技发展需求，面向企业（行业）工程实际，坚持以立德树人为根本，培育和践行社会主义核心价值观，培养在相关工程领域掌握坚实宽广的理论基础和系统深入的专门知识，具备解决复杂工程技术问题、进行工程技术创新、组织工程技术研究开发工作等能力，具有高度社会责任感的高层次工程技术人才，为培养造就工程技术领军人才奠定基础。工程博士专业学位获得者应具备以下知识、能力和素质：（一）拥护中国共产党的领导，热爱祖国，具有高度的社会责任感；服务科技进步和社会发展；恪守学术道德规范和工程伦理
2、规范。（二）掌握本工程领域坚实宽广的基础理论、系统深入的专门知识和工程技术基础知识；熟悉相关工程领域的发展趋势与前沿，掌握相关的人文社科及工程管理知识；熟练掌握一门外国语。（三）具备解决复杂工程技术问题、进行工程技术创新、组织工程技术研究开发工作的能力及良好的沟通协调能力，具备国际视野和跨文化交流能力。二、研究方向研究方向：1. 复杂工业过程建模、控制与优化针对复杂工业过程所具有的多变量、强耦合、强非线性、不确定性、生产边界条件变化大等综合复杂性，将控制理论与方法和智能方法（模糊推理、数据与知识挖掘、专家系统等）相结合，研究建模、控制、优化、决策与仿真的理论、方法与技术，包括智能建模与控制、软
3、测量、监测与故障诊断、安全运行控制、智能维护、流程模拟与仿真优化、知识自动化、大数据分析与处理以及流程工业综合自动化。2. 检测技术与自动化装置以复杂工程系统的智能检测、诊断、预测及控制理论与方法及装置研发与应用为主要内容，深入开展计算机视觉检测、红外辐射测温、多相流参数检测、光纤传感器与光电检测、新型光电敏感材料及其传感器、集成电路及系统级芯片、大数据分析与处理、生产过程建模与控制、流程协调优化控制等理论与技术的研究，研发智能仪器仪表和人工智能系统。3. 系统工程针对钢铁、石化/有色、能源/电力、资源/物流等工业中普遍存在的能效低、成本高、资源利用率低、设备利用率低、环境污染严重等问题，对复
4、杂的制造与物流系统进行分析、设计与优化决策，从而达到系统的最大效率和效益，实现工厂的智慧能力。研究全流程生产与物流计划、生产与物流批调度、智能工厂的过程数据解析与优化、复杂系统的建模优化理论与算法、供应链与物流管理、项目管理、风险管理与质量系统工程。4. 模式识别与智能系统以人工智能领域的模式识别、机器学习和计算机视觉相关理论为指导，重点开展计算机视觉、图像处理、多模态智能感知、工业视觉检测、大数据深度学习、智能优化与进化计算、系统仿真、传感器网络、新型科普展示与智能化、虚拟现实与增强现实等理论研究，在智能系统、计算机视觉系统、机器人、传感器网络、系统仿真、科普展示系统、虚拟现实等技术应用方面
5、取得了一系列成果，为智能系统设计与应用提供创新的理论与方法。5. 导航、制导与控制复杂动态系统主要包括非线性系统，切换系统，信息物理系统等，主要研究复杂动态系统的故障诊断与容错控制方法，切换系统的性能分析与设计方法及其应用，信息物理系统的安全控制，非线性系统自适应控制与模糊控制，智慧系统多域信息感知与联合建模、认知控制关键技术和复杂系统建模与仿真。6. 机器人科学与工程以智能机器人为主要研究对象，研究机器人本体设计及优化、环境感知及自主导航、人机交互、人机协作、智能及仿生控制、机器学习及人工智能、机器视觉及图像处理、模式识别、无线传感器网络、虚拟现实、建筑智能化等理论与技术。7. 智能制造系统
6、理论与技术以钢铁/有色、石化、能源/电力、资源/物流等行业为背景，基于云计算、大数据、人工智能等新一代信息技术和控制论、运筹学等经典理论，研究制造及服务过程的信息深度感知、精准控制执行和智慧优化决策的理论、方法及技术。主要研究方向包括：智能制造系统体系结构，大数据智能解析与决策优化，人工智能与机器学习，高效云计算与智能系统，智能工业的过程监测、诊断与控制，智能感知与工业互联网。8. 无人系统无人系统是无人机、无人车、机器人、无人车间/智能工厂等不同使用区域无人平台及配套设备的统称。主要研究先进的控制方法，防御攻击的安全控制方法，以及基于模型和数据的故障诊断与预测技术，提高无人系统安全性、可靠性
7、和自身状态的感知能力；发展人工智能与信息处理技术，提高无人系统的智能化程度；研究多平台协同探测、定位、跟踪和执行等控制问题，实现无人系统的高度自主协作。9. 先进传感技术与智能信息处理以计算机视觉、红外辐射测温、超声、激光及光纤等先进传感技术为手段，研发智能仪器仪表与装置，并开展无线网络、大数据分析与处理、生产过程建模与控制、流程协调优化控制等智能化信息处理技术研究与集成应用。10.机器感知与计算智能面向国家在感知智能与计算智能领域的战略发展需求，重点开展机器视觉与深度学习理论方法、三维视觉感知、工业视觉检测、行人重识别、视觉显著性检测、医学影像计算、混合现实生成、机器博弈、视频大数据计算、机
8、器人SLAM等方向的研究，为智能系统感知与计算能力的全面提升提供创新性的理论方法与技术支撑。11、数据科学与大数据分析：研究数据科学理论与方法；研究大数据管理与分布式处理技术；研究大数据集成、治理与共享技术；研究面向移动互联网、物联网、社会媒体、时空、大图等类型的大数据挖掘与分析技术；研究大数据隐私保护技术；研究区块链数据管理技术；研究基于新型硬件的数据管理与分析技术等。12、信息物理系统：研究信息物理系统体系结构；研究多核实时嵌入式系统的设计、分析、验证与优化理论及方法；研究信息物理系统资源管理技术、虚拟化技术、操作系统实现技术；研究物联网多源感知、感知融合与实时、安全、可靠工业物联网通信技
9、术；研究边缘计算、雾计算、云端结合计算技术及边缘计算中的硬件安全技术；研究人工智能在信息物理系统中的可靠性保障技术等。13、人工智能：研究自然语言处理理论与技术，研究机器翻译、语言分析与理解、知识图谱方法；研究社会媒体资源与用户及其关系的表示、挖掘、搜索技术；研究语义Web查询与推理技术；研究群体智能结构理论、组织方法、优化模型，研究群体智能学习理论与方法、群体智能通用计算范式与模型；研究高质量医学数据获取理论与方法；研究医学数据处理方法与理论；研究医学数据挖掘与知识发现理论与方法；研究人工智能技术与虚拟现实技术在医学数据处理领域的创新应用。14、未来互联网与信息安全：研究未来互联网体系模型及
10、网络管理机制；研究工业互联网体系结构与关键技术；研究能源互联网体系结构与互联互通模型；研究无线传感网智能感知、传输与信息融合技术；研究网络空间测绘与网络空间安全技术；研究复杂网络建模理论，网络传播性、可控性与鲁棒性及网络优化等；研究信息加解密、隐私保护等信息安全基本理论；研究工控网络安全关键技术；研究网络空间安全态势感知技术；研究软件定义网络关键技术；研究多媒体信息、数据库系统、无线传感网的安全保密技术等。15、云计算与服务计算：研究面向SLA的IaaS、PaaS和SaaS协作优化机制、面向全生命周期的云服务运行优化技术和云-端协同计算技术；研究多层云服务协作优化过程中的SLA转换、动态伸缩环
11、境下的SaaS服务性能评估与预测、虚拟机的能耗评估、相邻虚拟机内存动态平衡、支持SLA和节能的虚拟机迁移等方法；研究云-端计算环境下的资源优化问题，包括从可靠性、性能、能耗等方面的联合优化等。16、无线通信与现代信号处理技术：研究无线网络体系结构、无线通信系统和协议；基于802.11的无线局域网，新型高效的调制解调技术；无线通信安全性等；研究超密集异构网络技术、毫米波MIMO通信系统及超密集异构网络的资源分配；研究音频、视频数字信号处理与识别，数字语音及图像信号压缩、编码算法，盲信号分离，信号检测与估计以及基于DSP的实现技术及其现场应用。17、通信与光网络技术：研究光网络规划方法、软件定义光
12、网络技术、安全高速光通信理论与技术、低损耗硅基光交换及其动态控制与模块集成封装技术、无线光通信技术、面向移动通信系统的光前传/回传技术等。18.网构化软件工程及其演化技术体系。研究结合大数据的高速、多样、价值密度等特性，描述软件生态环境，分析大数据对软件工程的影响及收益，形成全新的以数据为驱动的，具有自主性、协同性、反应性、演化性和多态性相结合的软件工程理论。19.软件安全技术与应用。针对软件理论和技术的研究与软件产业发展所面临的软件安全问题，围绕国家科技战略目标，立足创新研究，强调理论和应用相结合。从软件安全开发模型和软件开发的生命周期入手，重点研究安全软件工程的防护框架、软件安全防护理论与
13、关键技术和可信软件的关键技术。20.基于混合现实的交互式软件开发技术及应用。重点研究虚拟与真实空间位置映射技术、增强现实及交互技术、交互式医学信息可视化关键技术、云渲染关键技术及应用。21.软件定义互联网体系架构与关键技术及应用。主要围绕可扩展、可信的软件定义互联网体系架构模型、可行、高效、安全的软件定义互联网运行机制、准确、有效的软件定义互联网量化模型与分析方法展开研究。22.复杂系统理论与应用技术。以混沌、分形、复杂网络等理论为基础和手段，将复杂系统理论成果和研究方法应用于计算机科学、软件工程等领域中，研究和解决软件工程领域的设计方法、可靠性分析、质量管理与预测，及复杂网络与社交网络的建模
14、、分析、挖掘、预测等问题。23.大数据计算与应用技术。研究高效的大数据获取、存储、管理、分析、理解和展示等方面的关键技术,包括数据密集型计算，高能效计算，非结构化数据存储和数据管理，科学数据分析和处理、面向专门领域的大数据应用技术。三、学制与学习年限本学科学制为4年，最长学习年限（含休学和保留学籍）为8年。四、培养方式（一）采取课程学习、项目研究、学位论文撰写相结合的培养方式。（二）采取校企合作的方式进行培养。1.工程博士的培养采取校企导师组的方式进行，主导师由主持相关工程领域重大、重点工程项目的校内教师担任，企业导师由来自企业（行业）相关领域的具有丰富工程实践经验并具有正高级专业技术职务的专
15、家担任。导师组成员应不少于2人，能够满足多学科交叉培养的需要。2.工程博士学位论文应紧密结合相关工程领域的重大、重点工程项目，紧密结合企业的工程实际，培养工程博士进行工程创新的能力。五、课程设置与学分要求博士生修课总学分不低于12学分，其中学位课不低于8学分。课程类别课程编号课程名称学时学分考核方式开课学期授课单位备注学位课公共必修课yb201802001中国马克思主义与当代362考试1马克思主义学院yb201803001-5博士外语642考试1外国语学院备注1yb201811001复杂系统智能控制理论与方法322考试1或2信息科学与工程学院必选不低于4学分yb201811202复杂系统智能建模322考试1或2yb201811203智能检测与控制技术322考试1或2yb201811204智能分析与决策方法322考试1或2yb201811205进化计算导论322考试1或2yb201811206人工智能理论与应用322考试1或2yb201811207智能机器人设计与应用322考试1或2机器人学院yb201811208机器人视觉技术与应用322考试1或2yb201812001大数据管理与分析322考试
