《高级计算机视觉计算机视觉、机器学习、媒体计算机器学习和》由会员分享，可在线阅读，更多相关《高级计算机视觉计算机视觉、机器学习、媒体计算机器学习和（12页珍藏版）》请在金锄头文库上搜索。
1、Tianjin Universityu高级计算机视觉u计算机视觉、机器学习、媒体计算u机器学习和模式识别u机器学习与数据挖掘u量子计算与量子信息u模式识别、高级人工智能专业基础测试选题列表u人工智能、软件体系结构u人类行为动力学u信息检索u言语信息处理u运筹学Tianjin University专业基础测试选题专业基础课程：高级计算机视觉参考教材（美）塞利斯基,艾海舟,兴军亮计算机视觉算法与应用（英）戴维斯计算机与机器视觉：理论、算法与实践选题1：计算机双目立体视觉选题2：图像处理与模式识别选题3：深度学习与计算机视觉Tianjin University专业基础测试选题专业基础课程：计算机视觉
2、、机器学习、媒体计算参考教材Richard Szeliski, Computer Vision: Algorithms and ApplicationsR. Hartley and A. Zisserman, Multiple View Geometry in Computer Vision, Cambridge University Press, 2003.周志华，机器学习，清华大学出版社选题1：条件随机场理论、优化方法与应用选题2：图像语义分割选题3：StructurefromX选题4：稀疏字典学习与低秩表征选题5：动态规划方法及其在视觉/学习问题中的应用Tianjin Universit
3、y专业基础测试选题专业基础课程：机器学习和模式识别参考教材：ChristopherM.Bishop,PatternRecognitionAndMachineLearning选题1：频率主义统计方法和贝叶斯方法都是机器学习研究中常用的方法，请说明你的这两种方法范式的理解，特别是两种方法的各自的优势和不足。选题2：人工智能研究已在若干特定的领域取得了引人注目的成功，但是已有的成功大都是局部的、彼此分离的，距离“通用智能”的理想仍有较大差距，请说明你对这种状况的理解。选题3：请论述机器学习研究的主要任务，以及针对各主要任务的常用模型（及算法），特别请说明各模型的背景假设、适用范围和优缺点。选题4：说
4、明神经网络和深度学习模型（深度玻尔兹曼机、深度卷积网络和深度Recurrent网络等）的基本原理和算法，并试阐述你对深度学习模型引人注目的有效性当理解。Tianjin University专业基础测试选题专业基础课程：机器学习与数据挖掘参考教材DudaDudaRO,HartPE,andStorkDG.Patternclassification.JohnWiley&Sons,Inc.,2001.RO,HartPE,andStorkDG.Patternclassification.JohnWiley&Sons,Inc.,2001.HanJandKamberM.DataMining:Concepts
5、andTechniques.Elsevier,2006.HanJandKamberM.DataMining:ConceptsandTechniques.Elsevier,2006.HastieT,TibshiraniRandFriedmanJ.Theelementsofstatisticallearning:Datamining,inference,andHastieT,TibshiraniRandFriedmanJ.Theelementsofstatisticallearning:Datamining,inference,andprediction.Springer,2009.predict
6、ion.Springer,2009.RussellSJandNorvigP.ArtificialIntelligence:AModernApproach.PrenticeHall,2010.RussellSJandNorvigP.ArtificialIntelligence:AModernApproach.PrenticeHall,2010.选题1：不确定机器学习的类型、问题和途径选题2：大规模机器学习的理论与方法选题3：机器学习模型选择的理论与方法Tianjin University专业基础测试选题专业基础课程：量子计算与量子信息参考教材A.NilsonandI.ChuangQuantumC
7、omputationandQuantumInformation选题1：如何理解Chernoff界在量子计算模型中的作用？选题2：怎样理解量子测不准原理？选题3：如何理解CHSH不等式？Tianjin University专业基础测试选题专业基础课程：模式识别、高级人工智能参考教材SergioTheodoridis著，李晶皎，王爱侠译，模式识别（第四版），电子工业出版社StuartJ.RussellandPeterNorvig,ArtificialIntelligence:AModernApproach(secondedition).PrenticeHall,EnglewoodCliffs,Ne
8、wJersey.ChristopherM.Bishop著，PatternRecognizationandmachinelearning，SpringerDouglasB.West著；骆吉洲，李建中译，图论导引（中译本），电子工业出版DavidFreedman等著，魏宗舒，施锡铨等译，统计学，中国统计出版社选题1：贝叶斯决策理论选题2：模式特征提取与选择选题3：聚类分析选题4：知识表示选题5：人工神经网络Tianjin University专业基础测试选题专业基础课程：人工智能、软件体系结构参考教材IanGoodfellow,YoshuaBengioandAaronCourville.DeepL
9、earning，http:/www.deeplearningbook.org/StuartJ.RussellandPeterNorvig.人工智能：一种现代的方法（第3版）ArtificialIntelligence:aModernApproach,3rdEdition,北京：清华大学出版社，2013.FrankBuschmannetal.面向模式的软件体系结构（卷1）Pattern-OrientedSoftwareArchitecture，Volume1:ASystemofPatterns,北京：机械工业出版社，2003.选题1：深度神经网络(deepneuralnetwork,DNN)选题
10、2：概率图模型(ProbabilisticGraphicalModels)选题3：受限玻尔兹曼机(restrictedBoltzmannmachine,RBM)选题4：软件体系结构(SoftwareArchitecture)选题5：SOA(Service-orientedArchitecture)Tianjin University专业基础测试选题专业基础课程：人类行为动力学参考教材DavidEasley,JonKleinberg.Networks,Crowds,andMarkets:ReasoningAboutaHighlyConnectedWorld.Cambridge2.Universi
11、tyPress,2010.（http:/www.cs.cornell.edu/home/kleinber/networks-book/networks-book.pdfhttps:/www.coursera.org/course/peopleandnetworks）A.-L.Barabsi,Theoriginofburstsandheavytailsinhumansdynamics,Nature435,207(2005).M.C.Gonzlez,C.A.Hidalgo,A.-L.Barabsi,Understandingindividualhumanmobilitypatterns,Natur
12、e453,779-782(2008).选题1：人类行为的时间统计特性选题2：人类行为的空间统计特性选题3：幂律、长尾和无标度网络Tianjin University专业基础测试选题专业基础课程:言语信息处理参考教材RabinerandJuang,“FundamentalsofSpeechRecognition,”Prentice-Hall,1993.选题1：第二章，语音生成、感知及音素的声学特征选题2：第三章，信号处理及分析算法选题3：第四章，模式比较技术选题4：第六章，隐马尔科夫模型的理论及应用选题5：第五章，语音识别系统设计及最新发展Tianjin University专业基础测试选题专业
13、基础课程：运筹学参考教材FrederickS.Hillier,GeraldJ.Lieberman,IntroductiontoOperationsResearch(NinthEdition),McGraw-Hill.选题1：第三章，线性规划导论选题2：第九章，网络优化模型选题3：第十章，动态规划选题4：第十一章，整数规划选题5：第十二章，非线性规划选题6：第十三章，启发式算法选题7：经典运筹学问题（任选一个，可超出教材内容）建模与分析Tianjin University专业基础测试选题专业基础课程：信息检索参考教材：信息检索导论王斌翻译TheGeometryofInformationRetrieval，C.J.vanRijsbergen选题1：简述概率检索模型的发展过程，说明概率排序原则(ProbabilityRankingPrinciple)，阐述这一原则的不足及解决思路。选题2：简述语言模型，说明若干语言模型（例如Querylikelihood和RelevanceModel）的工作原理和优缺点，并阐述语言模型在自然语言处理和信息检索的应用。选题3：说明隐性语义索引(LatentSematicIndex)的工作原理和算法，阐述该模型在自然语言处理和信息检索的应用。选题4：简述量子信息检索的若干思想，说明量子语言模型(QuantumLanguageModel)的原理和算法。
