新疆农业大学2020年农业工程博士研究生招生考核科目考试大纲

发布者:郭俊先发布时间:2020-04-23浏览次数:1018

新疆农业大学2020年博士研究生招生

《数值分析》考试大纲


命题方式

招生单位自命题

科目类别

初试

满分

100

考试性质
数值分析考试是为招收工学类博士研究生而设置的选拔考试。它的主要目的是测试考生对数值方法的把握程度,包括对数值方法概念、方法和应用的了解。考试对象为参加新疆农业大学博士研究生入学考试报考工学专业的考生。

考试方式和考试时间
数值分析考试采用闭卷笔试形式,试卷满分为100分,考试时间为2小时。考生需自备函数型计算器。

试卷结构
(一)概念题,占总分的20%左右,涉及数值分析各方面的概念
(二)综合计算问题,占总分的80%左右,涉及数值分析各方面的计算方法,实际应用,技巧以及分析处理方案,同时包括对计算结果的评估方法和指标

考试内容和考试要求

(一) 误差理论

考试内容:

1. 概念:相对误差和绝对误差定义 ;有效数字的定义;

2. 理解和应用:减少误差的主要措施;函数误差的评估 ;

(二) 方程求解

考试内容:

1. 概念:三种方法的收敛条件、优缺点、计算的过程以及误差的评估;改进的牛顿切线法的思想方法和处理形式;

2. 理解与应用:通过计算体现上述概念的实践和具体应用,一般要求经过3个迭代过程,并且估计误差;

(三) 方程组求解

考试内容:

1.  高斯消去法的应用:主元素的概念;回带过程的意义;

2. 一般通过实际计算体现,取较低的方程阶数;

3. 三角分解法的应用:因为公式计算及记忆难度稍大,本方法以基本概念为主;

(四) 方程组迭代求解

考试内容:

1. 本方法使用较少,重点考基本概念和方法;

2. 为了加速收敛,引进松弛因子的概念;

(五) 特征值和特征向量的求解

考试内容:

1.  因为公式计算工作量较稍大,本章以基本概念为主;

2. 基本概念包括:最大、最小、某点附近的特征值的计算方法和他们的区别;

(六) 插值法

考试内容:

1.  给出数表,要求计算某点的函数值,方法不限;

2. 要点:插值次数、选择节点的个数;选择节点的数据;公式的使用;结果的准确性;

(七) 曲线拟合

考试要求:
1.
理解曲线拟合的有关概念和处理方法;

2. 掌握曲线拟合的计算步骤和结果分析的方法;

考试内容:

1.  给出数表,做出曲线拟合的公式;据此计算指点的结果,和数表进行比较;

2. 一般拟合选择1-2阶,以减少计算工作量;

(八) 数值积分

考试要求:

1. 掌握数值积分的有关概念和处理方法;熟记梯形公式和抛物线公式;

2. 掌握数值积分的有常用处理方法;理解变步长自适应分段积分的思路;

3. 了解高斯积分的优势,高斯积分的应用条件和坐标变换原理;

4. 了解龙贝格积分的思路和方法;

考试内容:

1.  使用梯形公式和抛物线公式计算一个积分,要求使用多段的复合积分;

2.  描述龙贝格积分法的应用:

(九) 微分方程

考试要求:

1. 掌握微分方程的有关概念和处理方法;掌握欧拉公式和改进的欧拉公式的应用方法;

2. 掌握差分的概念;

3. 掌握高阶微分方程的处理方法;

考试内容:

1. 应用欧拉公式或者和改进的欧拉公式计算1-2个节点;

2. 描述对于一个2阶微分方程的处理方法;

主要参考书目

应用数值分析郑咸义,姚仰新,雷秀仁,华南理工大学出版社, 2008.
数值方法金一庆, 陈越, 王冬梅机械工业出版社, 2007.



博士研究生入学考试

自动控制原理》考试大纲

命题方式

招生单位自命题

科目类别

初试

满分

100

考试性质

《自动控制原理》课程考试是为招收工学类博士研究生而设置的选拔考试。它的主要目的是测试考生对自动控制与自动控制系统知识的掌握程度,包括控制系统数学模型的建立,线性控制系统的时域分析法、根轨迹分析法和频域分析法三大经典分析设计法,采样控制系统分析法。考试对象为参加全国博士研究生入学考试报考农业工程专业的考生。

考试方式和考试时间

考试采用闭卷笔试形式,试卷满分为100分,考试时间为2小时。

试卷结构

(一)基础题,占40

(二)综合题,占60

考试内容和考试要求

  1. 考试内容:

考生应在理解有关自动控制系统的基本概念,建立控制系统数学模型的基础上,掌握并灵活运用时域法、根轨迹法和频率法进行系统性能分析,系统校正的思路和方法,明确三种方法各自的特点及其内在联系。熟悉离散系统特点,掌握离散系统分析、校正的思路和方法。做到概念能够融会贯通,解题方法能够灵活运用,能够分析解决实际问题。

2.考试要求:

1)能正确的建立系统的数学模型,并对不同形式的数学模型进行互相转化;

2)掌握分析系统性能的三种分析方法;

3)熟悉离散系统特点,掌握离散系统分析;

4)掌握系统校正的思路和方法。


主要参考书目(可不列)

1.  《自动控制原理简明教程》胡寿松主编,科学出版社




博士研究生入学考试

高等农牧机械学》考试大纲

命题方式

招生单位自命题

科目类别

初试

满分

100

考试性质

《高等农牧机械学》课程考试是为招收工学类博士研究生而设置的选拔考试。它的主要目的是测试考生对农业机械学、高等农牧机械工程知识的把握程度,包括农业机械课程和装备工程研究所涉及相关概念、方法和应用技术、相关科研的基本流程、必备文件的撰写基础。考试对象为参加全国博士研究生入学考试报考农业工程专业的考生。

考试方式和考试时间

考试采用闭卷笔试形式,试卷满分为100分,考试时间为2小时。

试卷结构

(三)简答题,占40

(四)综合论述题,占60

考试内容和考试要求

  1. 考试内容:

考生应当了解世界农业机械的发展和趋势;熟悉农业与农艺结合的机理,种植等相关领域技术的特性;掌握划分农业机械的类和型;掌握主要农牧业机械的基本理论、组成和工作原理;掌握先进农牧业机械的研究、试验、设计方法,科研切入点,以及在国内和区内该领域的发展和存在问题的分析能力。能够全面掌握农业机械学、高等农牧机械学的通识概念,并利用惯用名词组织语句回答农业机械化与装备工程领域的简答题。可以对典型农业机械装备工程案例分析,综合运用已掌握的知识进行论述工作思路,可行的方案。掌握装备工程研究的常规研究方法流程,初步了解开展科研项目所撰写的文件材料包含内容,表述方法基础。

2.考试要求:

1)能正确描述装备工程研究所涉及的装备名词、部件名词、结构特征;

2)掌握主要农牧机械研究的典型过程方法;

3)熟悉农业装备工程领域的研究现状等常识性知识

4)了解分析研究方法和科研基本流程,能够构思研究项目实施的文件内容


主要参考书目(可不列)

1.  李宝筏主编,农业机械学,农业出版社, 20032

2. 马旭,马成林主编,高等农业机械学,吉林大学出版社,2006



博士研究生入学考试

农机实验设计》考试大纲

命题方式

招生单位自命题

科目类别

初试

满分

100

考试性质

农机试验设计》课程考试是为招收工学类博士研究生而设置的选拔考试。它的主要目的是测试考生对学生掌握农业机械试验设计和实施的基本原则、常用试验数据整理分析方法以及各统计方法的应用和计算。考试对象为参加全国博士研究生入学考试报考农业工程专业的考生。

考试方式和考试时间

考试采用闭卷笔试形式,试卷满分为100分,考试时间为2小时。

试卷结构

(三)简答题填空,占40

(四)综合计算题,占60

考试内容和考试要求

  1. 考试内容:

考生应当了解和掌握常用的试验设计原理及设计方法、试验结果的统计分析方法等;重点掌握正交试验法的基本原理,能熟练运用正交试验法来安排多因素、多水平、多指标的正交试验。

2.考试要求:

1)掌握试验设计的概念,理解试验设计研究的内容和根本任务。

2)理解正交试验设计基本思想、正交表的结构、性质;掌握正交试验表头设计的方法和正交试验方案的设计;掌握正交试验极差分析的基本方法。

3)掌握数据结构的一般形式;了解区组和区组设计、田间试验和非田间试验的区组设计方法。

4)理解方差分析的基本思想,掌握单因素实验设计方法,熟练进行单因素实验数据的方差分析;掌握双因素实验设计方法,熟练进行双因素实验数据的方差分析;掌握正交试验方差分析的方法。

5理解一元回归的意义、基本原理及相关概念,掌握直线回归和显著性检验的基本方法;掌握一次回归正交设计的基本原理和回归显著性检验方法。



主要参考书目(可不列)

 1.  韩长杰  农机试验设计. 北京:中国农业科学技术出版社,2018.

2.  何月娥,杨文孝等.农机试验设计.北京:机械工业出版社,1986.

3.  李云雁,胡传荣.试验设计与数据处理(2).北京:化学工业出版社,2008.



新疆农业大学2021年博士研究生入学

《机器学习》考试大纲


命题方式

招生单位自命题

科目类别

初试

满分

100

考试性质

《机器学习》课程考试是为招收工学类博士研究生而设置的选拔考试。它的主要目的是测试考生对机器学习的把握程度,包括机器学习涉及相关概念、方法和应用技术。考试对象为参加全国博士研究生入学考试报考农业工程专业的考生。

考试方式和考试时间

考试采用闭卷笔试形式,试卷满分为100分,考试时间为2小时。

试卷结构

(一)计算题,占30

(二)简答题,占30

(三)综合论述题,占40

考试内容和考试要求

1.考试内容:

1)基本概念:

机器学习,有监督学习,无监督学习,分类,聚类,回归,特征工程;神经网络中的神经元,权重,偏差,激活函数,输入、输出、隐藏层;单层感知器,线性神经网络,正向传播、损失函数、正则化,梯度下降、学习率、反向传播;自编码器,多层感知机,递归神经网络,自组织竞争神经网络,深度置信网络,卷积神经网络,深度残差网络,循环神经网络,深度强化学习,多GPU并行与分布式处理。

2)理解和应用:

  • 机器学习基本概念:样本与分布,参数空间,凸优化,经验损失,数据集划分,交叉检验,欠拟合与过拟合,正则化与泛化能力,监督与无监督学习,判别模型与生成模型等

  • 线性回归模型:一元与多元线性回归,正则化方法

  • 逻辑回归:贝努力二项分布,最大似然估计,交叉熵

  • 人工神经网络:反向传播算法,Softmax多分类,随机梯度下降,动量

  • 数据降维:主成分分析,独立分量分析

  • 图模型:朴素贝叶斯,贝叶斯网络

  • 无监督学习:聚类与密度估计,EM算法

  • 推荐系统:协同过滤算法

2.考试要求:

1)能正确描述机器学习的基本概念和应用场景;

2)掌握机器学习不同算法的原理;

3)熟悉一种机器学习平台构建

4)了解网络模型的设计与简单训练,网络调优和超参数设置

主要参考书目(可不列)

1.李航,统计学习方法(第二版),清华大学出版社.

2. Simon Haykin, 神经网络与机器学习(第三版), 机械工业出版社.