智能科學與系統博士

科目簡介

必修科目

文獻閱讀與選題報告（3 學分）

本科目旨在擴大知識面，瞭解智能科學與系統領域科學研究的發展動態，爲博士研究生論文選題作必要的準備。學生通過聽取一定數量的學術報告，閱讀一定數量的文獻，撰寫一份論文開題報告，經導師檢查合格後取得學分。

學術活動（1 學分）

本科目是讓學生了解一些各領域的研究動態，開拓眼界。學生通過參加學術研討會，訪學、講學、參加某個課題的研究等活動，撰寫一份學術活動報告。學生須達到一定的學術活動次數，經導師檢查合格後取得學分。

選修科目

智能系統（3 學分）

本科目包含了智能系統的下列主要內容：智能代理系統、啟發式搜索、知識表達、推理方法、有界合理性、規劃、智能系統構架、不確定性處理，以及機器學習(監督學習、非監督學習、半監督學習、加強學習、終身學習)。科目主要集中在如何應用以上技術和演算法説明人開發智能系統。

離散事件系統監督控制理論（3 學分）

本科目主要講授離散事件系統的建模分析與控制的理論和方法。重點介紹Petri網和有限狀態自動機兩種數學規範。主要包括資源配置系統的Petri網模型構建，以及基於結構不變式以及信標等的行為分析理論，鎖死控制方法以及基於時間Petri網的性能分析方法。有限狀態自動機方法主要講授Ramadge-Wonham的離散事件系統監督控制理論，包括可控、可觀、控制器優化等。

複雜網絡（3 學分）

本科目將重點介紹網路拓撲基本模型及其性質，網路拓撲特性及建模，複雜網路上的傳播機理與動力學分析，複雜網路的傳播臨界值理論，複雜網路的免疫策略， 複雜網路的傳播動力學，複雜網路上的相繼故障及其動態模型分析包括基於耦合映象格子的相繼故障模型以及複雜網路中的搜索策略等。

工程最優化方法（3 學分）

本科目主要講授對各種工程優化問題研究其建模方法和有效的問題求解方法，內容包括：線性規劃、非線性規劃、整數規劃、網路規劃、動態規劃、對偶理論、拉格蘭日方法、各種智能優化方法、優化問題建模及應用。

隨機過程、數理統計和大數據（3 學分）

本科目主要有隨機變數、條件期望、馬爾可夫鏈、指數分佈、泊松過程、平穩過程、更新理論及排隊論及其應用。概率論與數理統計主要包括概率、隨機變數、聯合分佈、期望、極限定理、抽樣調查、參數估計、假設檢驗、資料匯總、兩樣本比較、方差分析、分類資料分析和線性最小二乘等。資料採擷重點論述了資料預處理、頻繁模式挖掘、分類和聚類等的內容，並研討了挖掘網路、複雜資料類型以及重要應用領域。

現代控制理論（3 學分）

本科目是系統與控制科學的基本必修課，同時也是自動化領域的重要核心課程。課程主要教授以狀態空間法為基礎的系統分析及設計技巧，涵蓋了系統狀態方程的表述、方程式解法、系統的可控與可觀測性、控制系統的狀態空間設計策略以及最優控制等主題。

算法理論（3 學分）

本科目是基於隨著科學技術的發展，算法是解決各種科學問題和工程問題的基本工具，是系統實現智能化的基礎。算法理論是一門研究算法設計和分析算法計算複雜性的一門課程。課程的主要內容包括：各種基本的算法設計方法、算法計算複雜性分析方法、可以用多項式計算複雜性求解的問題、算法複雜性理論、NP-hard問題、NP-hard問題的證明、近似求解方法。

管理科學（3 學分）

本科目是介紹管理科學中可以應用於試算表模型的技術，以協助決策分析過程。講座材料包括問題範例，問題解決過程和的案例分析。案例分析包括：綫性規劃，靈敏度分析和單純形法，網路模型，整數規劃，目標規劃，非綫性規劃，回歸分析，判別分析，時間序列預測，模擬，排隊論，決策分析和專案管理。

智能材料（3 學分）

本科目介紹光催化材料的相關知識，包括能帶結構調控、設計理論與篩選方法，高效太陽能轉換的可見光回應型新一代光催化材料。此外，介紹納米異質結光催化材料新體系、高量子效率新催化材料，以及光催化材料應用，非化石燃料的碳中和途徑。