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.docx
- 文档编号:24063338
- 上传时间:2023-05-23
- 格式:DOCX
- 页数:86
- 大小:62.88KB
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.docx
《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.docx》由会员分享,可在线阅读,更多相关《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.docx(86页珍藏版)》请在冰豆网上搜索。
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
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;
计算理论方面,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.Chuang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:
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。
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、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》哈尔滨工程大学出版社,2001年
062303计算机网络新技术32学时/2学分
英文译名:
NewTechnologyonComputerNetwork
适用领域:
计算机应用技术
任课教师:
王慧强
教学目的:
通过该课程的学习使学生对近年来计算机网络新技术有一个系统深入的认识,并对一些关键技术有较为深刻的理解和掌握。
预备知识或先修课程要求:
要求学生具有扎实的计算机网络基础。
教学方式及学时分配:
教学采用课堂授课和课堂讨论的方式,其中授课和研讨各占16学时。
学时
教学内容
教学方式
2
引言;
授课
4
网络可信性
授课
2
网络安全管理
课堂讨论
2
移动计算
授课
2
普适计算
授课
2
无线传感器网络技术
课堂讨论
2
多媒体网络;
授课
2
下一代因特网
课堂讨论
2
网络并行计算技术
课堂讨论
2
分布式系统
课堂讨论
2
信息安全理论与技术
(1)
课堂讨论
2
信息安全理论与技术
(2)
课堂讨论
4
P2P网络技术
授课
2
网络应用
课堂讨论
教学主要内容及对学生的要求:
该课程主要介绍计算机网络近年来的发展情况,要求学生具有扎实的计算机网络基础。
内容摘要:
计算机网络是通信技术与计算机并行发展且密切结合的产物,已有30年的发展历史了。
近3~5年内急速发展,新思想、新技术、新产品、新应用、新标准层出不穷。
本课程抓住计算机网络中的关键技术,介绍最新的发展状况。
其中关键技术有如下几方面:
网络可信性,包括自律可信性、生物启发的可信性和综合可信性。
网络管理安全,包括网路管理模型、监控和态势感知技术。
移动计算技术,包括3G技术、移动IP技术、移动代理技术等。
无线传感器网络技术,包括安全协议问题、节点移动性管理、组网技术等。
多媒体网络技术,包括IP电话技术、IP视频会议技术和视频点播技术等。
下一代互联网技术,包括IPV6路由交换技术、一体化网络与服务等。
网络并行计算技术,包括服务器集群技术、网格计算技术、存储网络技术等。
实时因特网技术,包括因特网协议、时延的计算与测评,流控制协议等。
网络应用层技术,包括流媒体技术、P2P网络技术、WEB服务器集群缓存技术等。
针对上述关键技术,本课程分为若干专题进行讨论,重点是多媒体网络,无线传感器网络,移动计算和普适计算等,由于计算机网络是一门综合性很强的应用技术,知识面广,且内容更新快,因此本课程的安排以计算机新技术为主,理论为辅。
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]网络计算新技术.胡凯等.科学出版社2001年
[2]分布式系统概念与设计.DISTRIBUTEDSYSTEMS:
CONCEPTSANDDESIGNGEORGECOULOURIS等.机械工业出版社
062304软件体系结构32学时/2学分
英文译名:
SoftwareArchitecture
适用领域:
计算机应用
任课教师:
孙潮义、曹万华
教学目的:
通过系统讨论软件体系结构的基本原理、运用方法和工程实践等问题,让学生全面了解软件体系结构研究、应用领域及其最新进展;强调理论联系实际的学习形式,通过该课程的学习力求解决科研实践中的具体问题。
预备知识或先修课程要求:
计算复杂性理论、面向对象方法学、软件工程环境相关知识。
教学方式及学时分配:
课堂授课20学时、课堂讨论12学时
学时
教学内容
教学方式
2
概述,包括软件危机、构件与软件重用、软件体系结构的兴起和发展
授课
4
软件体系结构建模
授课
4
软件体系结构风格
授课
4
软件体系结构描述
授课
2
基于体系结构的软件开发
授课
2
软件体系结构评估
授课
2
软件产品线体系结构
授课
12
文献阅读研讨
课堂讨论
教学主要内容及对学生的要求:
该课程主要介绍软件体系结构的基本原理、运用方法和工程实践等问题。
要求学生课前预习计算复杂性理论、面向对象方法学、软件工程环境
内容摘要:
随着软件系统规模越来越大和越来越复杂,整个系统的结构和规格说明就显得非常重要。
在此背景下,人们认识到了软件体系结构的重要性,认为对软件体系结构的系统进行深入的研究是提高软件生产率和解决软件维护问题的有效途径。
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]软件体系结构.张友生等.清华大学出版社2004年
[2]软件产品线关键方法与技术研究王广昌.浙江大学博士学位论文
062305C3I系统中的数据融合技术32学时/2学分
英文译名:
DataFusionTechnologyinC3Isystems
适用领域:
计算机应用技术
课程教师:
周永丰、夏学知
教学目的:
通过课堂教学、仿真实验、撰写综述报告、课堂研讨等形式,培养学生分析、归纳和综合的基本研究技能,使学生在较短时间内掌握数据融合的基本理论和方法,以利于对以后实际系统的研制。
预备知识或先修课程要求:
数理统计、矩阵论、线性系统理论(现代控制理论)等相关知识。
教学方式及学时分配:
课堂授课20学时、课堂讨论12学时
教学主要内容及对学生的要求:
以C3I系统工程为背景,系统讲授数据融合的理论及其应用。
学时
教学内容
教学方式
2
数据融合技术的概述
授课
4
数学基础知识
授课
4
目标跟踪和滤波
授课
4
数据关联
授课
4
目标综合识别
授课
2
态势评估和威胁评估
授课
12
文献阅读研讨
课堂讨论
内容摘要:
结合数据融合技术的发展,系统地讲授数据融合基本理论和应用,突出基本概念和复杂环境下的数据融合技术应用。
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:
[1]C3I系统中的数据融合技术王小非.周永丰.哈尔滨工程大学出版社2006年
[2]数据融合理论与应用康耀红.西安电子科技大学出版社
062306数据挖掘理论32学时/2学分
英文译名:
DataMiningTheory
适用领域:
博士研究生
任课教师:
张健沛
教学目的:
通过学习,使学生比较系统地掌握数据挖掘理论及相关技术。
数据挖掘与数据仓库概述、数据挖掘方法论、数据挖掘核心技术、数据挖掘应用技术、数据挖掘技术发展趋势等。
预备知识或先修课程要求:
新一代数据库、人工智能原理相关知识。
教学方式及学时分配:
课堂授课32学时
学时
教学内容
教学方式
2
数据挖掘概述
授课
6
数据挖掘相关技术
授课、讨论
6
决策树算法
授课、讨论
6
关联规则算法
授课、讨论
6
聚类分析方法
授课、讨论
2
基于示例的学习方法
授课
4
数据挖掘应用
授课
教学主要内容及对学生的要求:
数据挖掘是信息领域发展最快的技术,是一个多学科交叉的领域。
一方面,数据挖掘以计算机技术的发展为首要条件,没有数据的有效组织,从数据垃圾中发现有用知识是痴人说梦;没有大量计算算法的支持,及时是简单的查询也会耗时巨大;另一方面,及时数据库得到了有效组织,计算算法足够先进,想要发现海量数据中隐藏的有用信息,还必须综合利用统计学、模式识别、人工智能、机器学习、神经网络等学科的专业知识。
而这些交叉学科的发展,必然会从不同角度关注数据分析技术的进展,数据挖掘也为这些学科的发展提供了新的机遇与挑战。
内容摘要:
数据仓库与数据挖掘概述、知识发现、关联规则、粗糙集、聚类分析、人工神经网络与数据挖掘、分类与预测、WEB数据挖掘、多媒体数据挖掘等。
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]数据挖掘挖掘算法与应用梁循.北京大学出版社,2006年
[2]数据挖掘与知识发现.李雄飞、李军著.高等教育出版社,2003年
硕士研究生课程
063301组合数学32学时/2学分
英文译名:
Combinatorics
适用领域:
计算机应用技术、计算机软件理论、计算机系统结构、信息安全
开课单位:
计算机科学与技术学院
任课教师:
钱真、沈晶、潘海为
教学目的:
组合数学是现代数学中发展最快的数学分支,它的发展与计算机的发展密不可分,高速计算机使得各领域中组合问题的求解成为可能。
同时,计算机科学本身的发展又带来了大量具有挑战性的组合问题。
通过本课程的学习,目的是使学生掌握组合计数的基本原理和方法,了解典型的组合优化问题和模型,了解组合设计的基础知识,培养学生的组合思维方法和组合技巧的运用。
预备知识或先修课程要求:
高等数学,初等数论
教学方式及学时分配:
课堂授课32学时
学时
教学内容
教学方式
2
组合数学的起源,组合数学研究的典型问题、基本计数原理
授课
2
集合的排列与组合、多重集的排列与组合
授课
2
二项式定理、牛顿二项式定理、多项式定理
授课
2
组合恒等式及其应用、排列与组合的生成算法
授课
2
普通母函数及其应用
授课
2
指数型母函数及其应用
授课
2
递推关系及其应用
授课
2
递推关系与母函数
授课
2
全或型容斥公式、全非型公式、特定型的容斥公式及其应用
授课
2
错位排列、带有禁止位置的排列
授课
2
简单形式鸽巢原理、加强型鸽巢原理
授课
2
Ramsey定理
授课
4
群与置换群的基本概念,Polya定理
授课
2
Polya定理、伯恩赛德引理
授课
2
均衡不完全的区组设计,Hadamard矩阵、拉丁方设计
授课
2
简介组合优简介组合优化问题
授课
教学主要内容以及对学生的要求:
学习内容:
围绕组合数学的基本问题,重点介绍组合计数问题的求解方法、简介组合中存在问题和组合优化问题的求解。
要求:
学生学习本课程应具备的先修知识是高等数学(I)、(II)、初等数论。
内容摘要:
组合数学是一门研究离散对象的科学。
主要研究满足一定条件的组态(组合模型)的存在性问题、计数问题、构造问题及组合优化问题。
本课程介绍的主要内容包括:
加法规则、乘法规则、一一对应规则;线排列和圆排列、不可重组合与可重组合、二项式及多项式定理、排列和组合的生成算法;重点介绍组合计数问题的求解方法,包括递推关系及其求解;用母函数求解递推关系,母函数在排列组合中的应用;物件性质的组合,特定、全非、恰K性质型容斥原理;鸽巢原理,Ramsey原理;Burnside引理,polya定理,母函数型的Polya定理;简介存在问题和组合优化问题,包括拉丁方设计,均衡不完全的区组设计,Hadamard矩阵;搜索与优化,动态规划法。
考核方式:
闭卷笔试
课程主要教材:
组合数学.卢开澄.清华大学出版社
主要参考书目:
[1]程序设计中的组合数学.吴文虎主编.清华大学出版社,2005
[2]组合数学.RichardA.Brualdi著.冯舜玺等译.机械工业出版社,2005
063302计算理论32学时/2学分
英文译名:
TheoryofComputation
适用领域:
计算机软件与理论,计算机应用技术
开课单位:
计算机科学与技术学院
任课教师:
黄少滨,姚念民,韩启龙
教学目的:
提高计算机理论修养,深刻认识计算以及计算机的局限性,了解集合,语言或计算的复杂度分类。
预备知识或先修课程要求:
离散数学
教学方式及学时分配:
全部使用多媒体手段课堂授课。
学时
教学内容
教学方式
2
程序设计语言和可计算函数S和可计算函数
授课
2
宏指令,原始递归函数,原始递归谓词
授课
2
迭代运算,配对函数,原始递归运算
授课
2
子函数的可计算性
授课
2
停机问题,通用程序
授课
2
递归可枚举集,Turing的基本模型
授课
2
Turing机与可计算性与它接受的语言
授课
2
非确定型Turing机
授课
2
半Thue过程,文法,
授课
2
部分递归函数
授课
2
判定问题,字问题和Post对应问题
授课
2
一阶逻辑的判定问题,有穷自动机
授课
2
正则表达式,非正则语言
授课
2
上下文无关文法,泵引理
授课
2
下推自动机,确定型下推自动机
授课
2
上下文有关文法,时间,空间复杂性
授课
教学主要内容及对学生的要求:
教学主要内容包括可计算性,形式语言与自动机和计算复杂性和计算复杂性。
需学习过高等数学、离散数学、数理逻辑课程。
内容摘要:
首先学习4个基本的计算模型:
程序设计语言S,部分递归函数,文法和Turing机,证明它们的等价性。
其中包括原始递归函数,通用程序,Turing机,过程和文法,不可判定的问题等概念和定理。
然后学习形式语言与自动机方面的知识,包括4种文法,重点学习正则语言和上下文无关语言。
最后学习计算复杂性方面的知识,包括时间和空间复杂性,NP完全性等。
考核方式:
开卷笔试。
课程主要教材:
可计算性与计算复杂性导引.张立昂.北京大学出版社
主要参考书目:
[1]IntroductiontotheTheoryofComputation,MichaelSipser,ThomsonLearning,2002.9(有中文译本)
[2]ElementsoftheTheoryofComputation(SecondEdition),PrenticeHall,Inc.1998(有中文译本)
063303随机过程32学时/2学分
英文译名:
StochasticProcesses
适用领域:
计算机应用技术、计算机软件与理论、计算机系统结构
任课教师:
马春光
开课单位:
计算机科学与技术学院
预备知识或先修课程要求:
学生必须具备高等数学和概率论基础知识
教学目的:
通过课程学习,使学生初步掌握随机过程的基本理论和方法,掌握几类重要随机过程模型并熟悉它们的应用背景,培养严谨的数学思维。
教学方式及学时分配:
课堂讲授28学时,课堂讨论4学时。
学时
教学内容
教学方式
2
概率空间,随机变量及其分布
授课
2
随机变量的数字特征,随机变量的特征函数
(1)
授课
2
随机变量的特征函数
(2),条件数学期望
授课
2
随机过程定义,随机过程的分类和举例
授课
2
随机过程的有限维分布函数族,随机过程的数字特征
课堂讨论
2
复随机过程,几类重要的随机过程
授课
2
泊松过程的定义,泊松过程的数学模型
授课
2
泊松过程的到达时间与到达时间分布
授课
2
泊松过程的条件分布,复合泊松过程
授课
2
习题课
课堂讨论
2
马尔可夫过程的定义,马尔可夫链的转移概率与概率分布
(1)
授课
2
马尔可夫链的转移概率与概率分布
(2),马尔可夫链例题
授课
2
齐次马尔可夫链状态分类
授课
2
齐次马尔可夫链状态空间的分解
授课
2
转移概率的稳定性能
授课
2
习题课
课堂讨论
教学主要内容及对学生的要求:
教学内容包括概率论基础、随机过程的基本概念、泊松过程、马尔可夫过程等三部分。
选修本课程的学生应该具有高等数学和概率论基础知识,应该具有敢于钻研理论问题的态度、较为严谨的数学思维和较好的自主学习能力。
内容摘要:
概率论基础知识;随机过程的一般概念,随机过程的分布及其数字特征,常见的几类随机过程的定义、背景和性质;泊松过程的定义,泊松过程相关分布,泊松过程的实际应用和若干推广;平稳过程、正态过程、维纳过程的定义、基本性质、实际背景;马尔可夫过程、马尔可夫链的基本概念,转移概率与概率分布,状态分类与性质,极限分布,平稳分布与状态空间的分解。
考核方式:
闭卷,笔试
课程主要教材:
随机过程.张卓奎,陈慧婵.西安电子科技大学出版社,2003.
主要参考书目:
[1]随机过程同步学习辅导.张卓奎,陈慧婵.西安电子科技大学出版社,2004.
[2]随机过程初级教程(第二版).[美]SamuelKarlin,HowardM.Taylor著,庄兴元,陈宗洵,陈庆华译.人民邮电大学出版社,2007.
[3]AFirstCourseinStochasticProcesses(英文版,第二版).SamuelKarlin,HowardM.Taylor.人民邮电出版社,2007.
[4]IntroductiontoProbability.DimitriP.Bertsekas,JohnN.Tsitsiklis.MITLectureNotes.
063401现代计算机体系结构32学时/2学分
英文译名:
ArchtectureofModernComputer
适用领域:
计算机应用技术 计算机系统结构
开课单位:
计算机科学与技术学院
任课教师:
李静梅
教学目的:
通过本课程的学习,要求学生能够掌握计算机系统结构的分析和设计方法,同时掌握最新的计算机流水技术、分支预测技术和并行处理技术。
预备知识或先修课程要求:
基本掌握程序设计、数据结构、操作系统、编译原理、计算机原理、数字逻辑、微机系统与接口、嵌入式技术
教学方式及学时分配:
多媒体与黑板结合授课,理论授课学时16,专题讲座与讨论12学时,实验4学时
学时
教学内容
教学方式
2
计算机系统性能评价标准
专题讨论
2
先进微体系结构(多核处理器、流处理器及PIM结构)的比较
授课
2
流水线中的相关和冲突(数据相关、结构相关、控制相关)
授课
2
相关与冲突的解决方案(基于WinDLX实现)
授课
2
用实例解决流水线中的相关现象
(1)
实验
2
用实例解决流水线中的相关现象
(2)
实验
2
指令集并行技术与循环展开技术
授课
2
超标量、超流水及超长指令字处理机介绍(模拟分析)
授课
2
超线程技术(粗粒度多线程、细粒度多线程及同时多线程技术)
专题讨论
2
SIMD计算机的结构(全并行SIMD阵列处理机、流水线SIMD向量处理机)
专题讨论
2
MIMD计算机体系结构、计算模型(MIMD共享存储模
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 哈尔滨工程 大学研究生 课程 教学大纲 汇编 计算机科学 技术学院 博士