计算机学院2011版研究生课程教学大纲-哈尔滨工程大学.doc

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：Mathematics for Computer Science 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）.Michael A.Nielsen,Isaac L.Chuang著，赵千川译.清华大学出版社. 2004年 [3] 计算理论基础.Harry R.Lewis,Christos H.Papadimitriou著，张立昂 刘田译. [4] Principles of Model Checking.Christel Baier,Joost-Pieter Katoen.The MIT Press 2007. 062302 机器学习理论 32学时/2学分 英文译名：Machine Learning Theory 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