计算机专业课科目,考研计算机专业课有哪些科目
考研计算机专业课有哪些科目
发布时间：2020-08-1010:45:24
来源：亿速云
阅读：111
作者：Leah
考研计算机专业课有哪些科目？针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。考研计算机专业课科目有：1、《数据结构》，这门课程是大多数高校考研计算机初试必考科目；2、《计算机组成原理》；3、《计算机操作系统》；4、《计算机网络》，这门课程的重点在物理层、数据链路层、网络层、传输层、应用层这些层次结构。
专业课科目
1、数据结构
这门课程是统考408初试考试四门专业课科目之一，也是大多数高校考研计算机初试必考科目，可见数据结构这门课在考研计算机初试中的重要地位。这门课程在计算机考研的考试范围中也是非常重要的，而《数据结构》的重点章节是线性表、树、图、查找和排序。参考书目是《数据结构C语言版》《数据结构精讲和习题讲解》(严蔚敏)，大家可以结合这两本书进行知识点的学习，和一些习题的练习。
2、计算机组成原理
《计算机组成原理》的重点在数据的表示和运算、存储器层次结构、指令系统、中央处理器(CPU)、总线、输入输出(I/O)系统。参考书目是《计算机组成原理(第2版)》(唐朔飞主编)，《计算机组成原理-学习指导与习题解答》。复习时要掌握具体的知识体系，总结出自己的知识框架，多做练习。
3、计算机操作系统
《操作系统》的重点在进程管理和内存管理，其次是文件管理和I/O管理。参考书目是《计算机操作系统》(汤子瀛等主编)。注意的是，存储部分、I/O部分和计算机组成原理课程中有重合，可以相互结合着看。虽然这部分知识相对来说没有那么难，但是复习的时候也不能忽视。
4、计算机网络
这门课程对于计算机专业的同学来说并不陌生，大家在前几年的课程中都有学过，这门课程的重点在物理层、数据链路层、网络层、传输层、应用层这些层次结构。要明白各个层次结构之间的关系，明白每个层都具有什么功能，拥有什么协议，重要的一些协议的内容以及作用。要能灵活地将各个层次联系起来。参考书目《计算机网络(第7版)》《计算机网络释疑与习题解答》(谢希仁)。虽然这本书在整体试卷中所占的比重没有那么多，但是对于繁多的知识点想要取得高分还是需要努力复习的。
考研的过程也是一场艰难的修行，谁能成功上岸，谁就要付出更多的努力。计算机学科的复习也需要一个循序渐进的过程，需要不断地积累总结，最后祝大家都能考出一个好的成绩!
关于考研计算机专业课有哪些科目问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注亿速云行业资讯频道了解更多相关知识。
人工智能涉及的学科
人工智能涉及的学科人工智能涉及哪些学科？计算机类自动化类数学专业领域类心理学和哲学学习人工智能为什么要会心理学知识？哲学和人工智能有什么关系？其他人工智能涉及哪些学科？人工智能相关学科有很多，看看你的知识储备够不够！需要补充哪些方面？
计算机类首先，人工智能是计算机科学中的一个分支，所以对应的计算机科学、计算机基础知识、编程语言、互联网知识、物联网知识、软件工程、信息安全等是必备的。
自动化类其次，人工智能的目标是实现辅助人类智慧、部分代替人类智能、扩展人类智能，所以还会涉及自动化、机器学习、智能科学与技术、空间信息与数字技术、电子与计算机工程、信息与计算科学。
数学然后，人工智能需要处理大量的数据，所以数学和逻辑思维也很重要，高数、数学与应用数学、信息与计算科学、数理基础科学、数据科学与大数据技术等。
专业领域类另外，除了一些通用的学科，面对不同的领域，还要学习不同的学科，如：通信工程、信息工程、水声工程、电子信息工程、微电子科学与工程、光电信息科学与工程、自然语言处理、电磁度场与无线技术、电子信息科学与技术、电波传播与天线、集成电路设计与集成系统、轨道交通信号与控制。
心理学和哲学除了计算机知识，心理学和哲学也是必学的学科。
学习人工智能为什么要会心理学知识？试想一下人工智能模仿的是人类的什么？是人类的智慧。人类的智慧由什么产生？人的思想、知识、记忆、创造力。而这一切皆由人的大脑控制。而心理学其实是大脑活动后的一种产物，所以要想让一台计算机真正拥有人类智慧，必须了解人类的心理活动和思考方式。与其说人工智能是在模仿人类智慧，不如说人工智能是在模仿人类思维。只有当人工智能可以像人类一样思考、分析问题、拥有人类的喜怒哀乐，才能算得上是真正的人工智能。
哲学和人工智能有什么关系？说到人工智能中的哲学问题，不得不提著名的图灵测试。图灵测试是由阿兰·麦席森·图灵在1950年的一篇论文《计算机器与智能》中提出的。图灵是英国著名的数学家和逻辑学家，被称为计算机科学之父、人工智能之父，是计算机逻辑的奠基者。图灵测试说的是，一个人和一台机器，在人类不知道对面是机器的情况下对他提问，以此来判断对面的是人类还是机器。进行多次测试后，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有人类智能。从哲学层面来说，如果一台机器通过了图灵测试，那么它真的能被称之为和人类一样有智慧吗？判定一台机器有智慧的标准或者说是界限到底是什么？在实际应用中，哲学在人工智能上也起到了很多决定性的作用。比如一台人工智能机器，在面对文化、信仰、法律都不同的日本人和阿拉伯人，一个可能说这台机器非常智能，一个可能说并不智能，达不到想要的、或做的不对。那么这时，这台机器能不能被称之为是一台人工智能机器？在人工智能发展上，有很多关于类似的哲学问题。仅仅是“智能”二字，在哲学上都有很多的争议。比如，智能的含义到底要怎么去定义？达到什么样的界定才能称之为智能？在这里，我给自己留一个作业，等以后我积累了更多的知识，再和大家讨论关于“人工智能与哲学之间的关系”的问题。
其他除了上面提到的学科，还有认知科学、神经生理学、信息论、控制论、不定性论等。因为人工智能属于跨学科的技术，所以想要学习人工智能，不仅要知道人工智能的基本知识，还要确定研究的方向，朝着既定的目标前进，才不至于在人工智能的学习道路上走岔了。
人工智能之经典逻辑推理
人工智能之经典逻辑推理人工智能课程复习笔记专题人工智能绪论人工智能之知识表示人工智能之搜索方法人工智能之经典逻辑推理人工智能之专家系统人工智能之不确定推理方法人工智能之机器学习
一、推理的基本概念1、推理方式及分类按推理逻辑基础分类：演绎推理：演绎推理是从已知的一般性知识出发，去推出蕴含在这些已知知识中的适合于某种个别情况的结论。是一种由一般到个别的推理方法，其核心是三段论，
归纳推理：是一种由个别到一般的推理方法。从足够多的事例中归纳出一般性结论的推理过程。
默认推理：默认推理又称为缺省推理，它是在知识不完全的情况下假设某些条件已经具备所进行的推理。
按推理时所用知识的确定性确定性推理：确定性推理是指推理时所用的知识都是精确的，推出的结论也是确定的，其真值或者为真，或者为假，没有第三种情况出现。
不确定性推理不确定性推理是指推理时所用的知识不都是精确的，推出的结论也不完全是肯定的，其真值位于真与假之间。
按推理过程中的单调性单调推理推出的结论呈单调增加的趋势，并且越来越接近最终目标。
非单调推理由于新知识的加入，不仅没有加强已推出的结论，反而要否定它。
2.推理的控制策略推理方向：正、反向搜索策略求解策略:一个解、所有解、最优解冲突消解：正对象排序、匹配度排序限制策略：深度、宽度、时间、空间
3.模式匹配及其变量代换模式匹配是指两个知识模式（如两个谓词公式、两个框架片断等）的比较，检查这两个知识模式是否完全一致或近似一致。如果两者完全一致，或者虽不完全一致但其相似程度落在指定的限度内，就称它们是可匹配的，否则为不可匹配。
确定性匹配：两个知识模式完全一致，或经过变量代换后完全一致不确定性匹配：两个知识模式不完全一致，但总体看来，他们的相似度又落在规定的限度内。
代换（置换）{t1/x1,t2/x2,…,tn/xn}的有限集合。其中，t1,t2,…,tn是项；x1,x2,…,xn是互不相同的变元；ti/xi表示用ti替换xi。并且要求ti与xi不能相同，xi不能循环地出现在另一个ti中。
置换的复合θ={t1/x1,t2/x2,…,tn/xn}λ={u1/y1,u2/y2,…,um/ym}是两个置换。则θ与λ的复合（合成）也是一个置换，记作θ°λ。它是从集合{t1λ/x1,t2λ/x2,…,tnλ/xn,u1/y1,u2/y2,…,um/ym}中删去以下两种元素①当tiλ=xi时，删去tiλ/xi(i=1,2,…,n)；②当yj∈{x1,x2,…,xn}时，删去uj/yj(j=1,2,…,m)最后剩下的元素所构成的集合。
合一
寻找项对变量的置换，使得两个谓词公式一致。
设有公式集F={F1,F2,…,Fn}，若存在一个置换θ，可使F1θ=F2θ=…=Fnθ，则称θ是F的一个合一。称F1,F2,…,Fn是可合一的。例如，设有公式集F={P(x,y,f(y)),P(a,g(x),z)}，则λ={a/x,g(a)/y,f(g(a))/z}
合一是一种置换
最一般合一设σ是公式集F的一个合一，如果对F的任一个合一θ都存在一个置换λ，使得θ=σ°λ，则称σ是一个最一般合一。是它的一个合一。
差异集设有如下两个谓词公式：F1：P（x,y,z）F2：P(x,f(A),h(B))分别从F1与F2的第一个符号开始，逐个向右比较，此时发现F1与F2构差异集：D1={y,f(A)}，D2={z,h(B)}
求最一般合一算法
例设有公式集F={P(A,x,f(g(y))),P(z,f(z),f(u))}求其最一般合一。解：初始化，令k=0，σ0=ε，F0=F={P(A,x,f(g(y))),P(z,f(z),f(u))}Loop1：F0={P(A,x,f(g(y))),P(z,f(z),f(u))}含有2个表达式，故σ0不是最一般合一。F0的差异集D0={A，z}，可有代换A/z，σ1=σ0°{A/z}={A/z}F1=F0{A/z}={P(A,x,f(g(y))),P(A,f(A),f(u))}Loop3：F2={P(A,f(A),f(g(y))),P(A,f(A),f(u))}含有2个表达式，故σ2不是最一般合一F2的差异集D2={g(y)，u}，可有代换{g(y)/u}，σ3=σ2°{g(y)/u}={A/z,f(A)/x}°{g(y)/u}={A/z,f(A)/x,g(y)/u}F3=F2{g(y)/u}={P(A,f(A),f(g(y))),P(A,f(A),f(g(y)))}={P(A,f(A),f(g(y)))}Loop4：F3中只含有一个表达式，故算法成功终止，σ3={A/z,f(A)/x,g(y)/u}，即为公式集F的最一般合一。二、自然演绎推理从一组已知为真的事实出发，直接运用经典逻辑中的推理规则推出结论的过程称为自然演绎推理。
例设已知如下事实：(1)只要是需要编程序的课，王程都喜欢。(2)所有的程序设计语言课都是需要编程序的课。(3)C是一门程序设计语言课。求证：王程喜欢C这门课。证明：首先定义谓词Prog(x)x是需要编程序的课。Like(x,y)x喜欢y。Lang(x)x是一门程序设计语言课把已知事实及待求解问题用谓词公式表示如下：Prog(x)→Like(Wang,x)(∀x)(Lang(x)→Prog(x))Lang(C)应用推理规则进行推理：Lang(y)→Prog(y)全称固化Lang(C)，Lang(y)→Prog(y)⇒Prog(C)假言推理{C/y}Prog(C),Prog(x)→Like(Wang,x)⇒Like(Wang,C)假言推理{C/x}因此，王程喜欢C这门课。
三、归结演绎推理1、谓词公式化为子句集原子谓词公式及其否定统称为文字。例如，P(x)、Q(x)、﹁P(x)、﹁Q(x)等都是文字。任何文字的析取式称为子句。例如，P(x)∨Q(x)，P(x，f(x))∨Q(x，g(x))都是子句。不含任何文字的子句称为空子句NIL。由子句或空子句所构成的集合称为子句集。
谓词公式化成子句集的步骤(1)消去连接词“→”和“↔”反复使用如下等价公式：P→Q⇔﹁P∨QP↔Q⇔(P∧Q)∨(﹁P∧﹁Q)(2)将否定符号“﹁”移到仅靠谓词的位置反复使用双重否定率﹁(﹁P)⇔P摩根定律﹁(P∧Q)⇔﹁P∨﹁Q﹁(P∨Q)⇔﹁P∧﹁Q量词转换率﹁(∀x)P(x)⇔(∃x)﹁P(x)﹁(∃x)P(x)⇔(∀x)￢P(x)(3)对变元标准化在一个量词的辖域内，把谓词公式中受该量词约束的变元全部用另外一个没有出现过的任意变元代替，使不同量词约束的变元有不同的名字。例如，上式(∀x)((∃y)﹁P(x，y)∨(∃y)(Q(x，y)∧﹁R(x，y)))经变换后为(∀x)((∃y)﹁P(x，y)∨(∃z)(Q(x，z)∧﹁R(x，z)))
(4)化为前束范式化为前束范式的方法:把所有量词都移到公式的左边，并且在移动时不能改变其相对顺序。例如，上式化为前束范式后为(∀x)(∃y)(∃z)(﹁P(x，y)∨(Q(x，z)∧﹁R(x，z)))
(5)消去存在量词消去存在量词时，需要区分以下两种情况：若存在量词不出现在全称量词的辖域内（即它的左边没有全称量词），只要用一个新的个体常量替换受该存在量词约束的变元，就可消去该存在量词。若存在量词位于一个或多个全称量词的辖域内例如(∀x1)…(∀xn)(∃y)P(x1，x2,…,xn,y)则需要用Skolem函数f(x1，x2,…,xn)替换受该存在量词约束的变元y，然后再消去该存在量词。例如，上步所得公式中存在量词(∃y)和(∃z)都位于(∀x)的辖域内，因此都需要用Skolem函数来替换。设替换y和z的Skolem函数分别是f(x)和g(x)，则替换后的式子为(∀x)(﹁P(x,f(x))∨(Q(x,g(x))∧﹁R(x,g(x))))
(6)化为Skolem标准形Skolem标准形的一般形式为(∀x1)…(∀xn)M(x1,x2,……,xn)其中，M(x1,x2,……,xn)是Skolem标准形的母式，它由子句的合取所构成。把谓词公式化为Skolem标准形需要使用以下等价关系P∨(Q∧R)⇔(P∨Q)∧(P∨R)例如，前面的公式化为Skolem标准形后为(∀x)((﹁P(x,f(x))∨Q(x,g(x))∧(﹁P(x,f(x))∨﹁R(x,g(x))))(7)消去全称量词由于母式中的全部变元均受全称量词的约束，并且全称量词的次序已无关紧要，因此可以省掉全称量词。但剩下的母式，仍假设其变元是被全称量词量化的。例如，上式消去全称量词后为(﹁P(x,f(x))∨Q(x,g(x))∧(﹁P(x,f(x))∨﹁R(x,g(x)))
(8)消去合取词在母式中消去所有合取词，把母式用子句集的形式表示出来。例如，上式的子句集中包含以下两个子句﹁P(x,f(x))∨Q(x,g(x))﹁P(x,f(x))∨﹁R(x,g(x))(9)更换变量名称对子句集中的某些变量重新命名，使任意两个子句中不出现相同的变量名。例如，对前面的公式，可把第二个子句集中的变元名x更换为y，得到如下子句集﹁P(x,f(x))∨Q(x,g(x))﹁P(y,f(y))∨﹁R(y,g(y))
定理设有谓词公式F，其标准子句集为S，则F为不可满足的充要条件是S为不可满足的。由此定理可知，为要证明一个谓词公式是不可满足的，只要证明相应的子句集是不可满足的就可以了。
2、归结原理首先把欲证明问题的结论否定，并加入子句集，得到一个扩充的子句集S’。然后设法检验子句集S’是否含有空子句，若含有空子句，则表明S’是不可满足的；若不含有空子句，则继续使用归结法，在子句集中选择合适的子句进行归结，直至导出空子句或不能继续归结为止。
归结就是不断对子句求合取的过程
命题逻辑的归结原理
子句集S是不可满足的，当且仅当存在一个从S到空子句的归结过程。
谓词逻辑的归结原理在谓词逻辑中，由于子句集中的谓词一般都含有变元，因此不能象命题逻辑那样直接消去互补文字。而需要先用一个最一般合一对变元进行代换，然后才能进行归结。
3、基于归结反演的问题求解归结原理出了可用于定理证明外，还可用来求取问题答案，其思想与定理证明相似。其一般步骤为：①把已知前提用谓词公式表示出来，并且化为相应的子句集S；②把待求解的问题也用谓词公式表示出来，然后把它的否定式与谓词ANSWER构成一个析取式，ANSWER是一个为了求解问题而专设的谓词，其变元数量和变元名必须与问题公式的变元完全一致；③把此析取式化为子句集，并且把该子句集并入到子句集S中，得到子句集S；④对S应用归结原理进行归结；⑤若在归结树的根节点中仅得到归结式ANSWER，则答案就在ANSWER中。
四、与或型演绎推理将领域知识和已知事实分别用蕴含式和与/或形表示，然后运用蕴含式进行演绎推理，从而证明某个目标公式。与或型正向演绎推理从已知事实出发，正向使用蕴含式（F规则）进行演绎推理。与或型反向演绎推理从目标公式的与或树出发，反向使用规则（B规则），直至得出所有含有事实节点。