智能科学与系统博士

科目简介

必修科目

文献阅读与选题报告（3 学分）

本科目旨在扩大知识面，了解智能科学与系统领域科学研究的发展动态，为博士研究生论文选题作必要的准备。学生通过听取一定数量的学术报告，阅读一定数量的文献，撰写一份论文开题报告，经导师检查合格后取得学分。

学术活动（1 学分）

本科目是让学生了解一些各领域的研究动态，开拓眼界。学生通过参加学术研讨会，访学、讲学、参加某个课题的研究等活动，撰写一份学术活动报告。学生须达到一定的学术活动次数，经导师检查合格后取得学分。

选修科目

智能系统（3 学分）

本科目包含了智能系统的下列主要内容：智能代理系统、启发式搜索、知识表达、推理方法、有界合理性、规划、智能系统构架、不确定性处理，以及机器学习(监督学习、非监督学习、半监督学习、加强学习、终身学习)。科目主要集中在如何应用以上技术和算法说明人开发智能系统。

离散事件系统监督控制理论（3 学分）

本科目主要讲授离散事件系统的建模分析与控制的理论和方法。重点介绍Petri网和有限状态自动机两种数学规范。主要包括资源分配系统的Petri网模型构建，以及基于结构不变式以及信标等的行为分析理论，锁死控制方法以及基于时间Petri网的性能分析方法。有限状态自动机方法主要讲授Ramadge-Wonham的离散事件系统监督控制理论，包括可控、可观、控制器优化等。

复杂网络（3 学分）

本科目将重点介绍网络拓扑基本模型及其性质，网络拓扑特性及建模，复杂网络上的传播机理与动力学分析，复杂网络的传播临界值理论，复杂网络的免疫策略， 复杂网络的传播动力学，复杂网络上的相继故障及其动态模型分析包括基于耦合映象格子的相继故障模型以及复杂网络中的搜索策略等。

工程最优化方法（3 学分）

本科目主要讲授对各种工程优化问题研究其建模方法和有效的问题求解方法，内容包括：线性规划、非线性规划、整数规划、网络规划、动态规划、对偶理论、拉格兰日方法、各种智能优化方法、优化问题建模及应用。

随机过程、数理统计和大数据（3 学分）

本科目主要有随机变数、条件期望、马尔可夫链、指数分布、泊松过程、平稳过程、更新理论及排队论及其应用。概率论与数理统计主要包括概率、随机变量、联合分布、期望、极限定理、抽样调查、参数估计、假设检验、资料汇总、两样本比较、方差分析、分类数据分析和线性最小二乘等。资料采撷重点论述了资料预处理、频繁模式挖掘、分类和聚类等的内容，并研讨了挖掘网络、复杂资料类型以及重要应用领域。

现代控制理论（3 学分）

本科目是系统与控制科学的基本必修课，同时也是自动化领域的重要核心课程。课程主要教授以状态空间法为基础的系统分析及设计技巧，涵盖了系统状态方程的表述、方程式解法、系统的可控与可观测性、控制系统的状态空间设计策略以及最优控制等主题。

算法理论（3 学分）

本科目是基于随着科学技术的发展，算法是解决各种科学问题和工程问题的基本工具，是系统实现智能化的基础。算法理论是一门研究算法设计和分析算法计算复杂性的一门课程。课程的主要内容包括：各种基本的算法设计方法、算法计算复杂性分析方法、可以用多项式计算复杂性求解的问题、算法复杂性理论、NP-hard问题、NP-hard问题的证明、近似求解方法。

管理科学（3 学分）

本科目是介绍管理科学中可以应用于试算表模型的技术，以协助决策分析过程。讲座材料包括问题范例，问题解决过程和的案例分析。案例分析包括：线性规划，灵敏度分析和单纯形法，网络模型，整数规划，目标规划，非线性规划，回归分析，判别分析，时间序列预测，模拟，排队论，决策分析和项目管理。

智能材料（3 学分）

本科目介绍光催化材料的相关知识，包括能带结构调控、设计理论与筛选方法，高效太阳能转换的可见光回应型新一代光催化材料。此外，介绍纳米异质结光催化材料新体系、高量子效率新催化材料，以及光催化材料应用，非化石燃料的碳中和途径。