我要考研人工智能专业选哪个方向比较好？

1、纯理论性的，以强人工智能或者神经网络为研究方向，本科可以选择神经科学，也可以选修心理学、哲学、计算机科学。
2、从算法层面对人工智能的优化，本科自然要学计算机科学了，但博弈论之类重视逻辑的小类别学科也有选修或者自学的必要。
3、工业应用的方面。主要应该学习自动化和机械控制。
一、人工智能专业就业前景：
前景很好，中国正在产业升级，工业机器人和人工智能方面都会是强烈的热点，而且正好是在3~5年以后的时间。难度，肯定高，要求你有创新的思维能力，高数中的微积分、数列等等必须得非常好，软件编程(基础的应用最广泛的语言:C/C++)必须得很好，微电子(数字电路、低频高频模拟电路、最主要的是嵌入式的编程能力)得学得很好，还要有一定的机械设计能力(空间思维能力很重要)。这样的话，你就是人才，你就是中国未来5年以后急需的人工智能领域的人才。一门深入地钻研下去，你就是这个领域的专家甚至大师。
二、人工智能专业就业方向 ：
人工智能可以说是一门高尖端学科，属于社会科学和自然科学的交叉，涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论。研究范畴包括自然语言处理、机器学习、神经网络、模式识别、智能搜索等。应用领域包括机器翻译、语言和图像理解、自动程序设计、专家系统等。
2、如果是潜心做学术，搞理论研究，那么专业推荐选择“应用数学”。目前的机器学习机器学习本质上是微分方程、概率论、矩阵分析等等数学领域的一个应用场景。而近年来发展蓬勃的深度学习，正是机器学习的一个非常接近人工智能的分支。
不排除现在的自动化、通信、机械
等专业在一定程度上都会往智能靠拢，无论是什么专业都可以在课外学习相关的知识，尤其是在这个优质学习资源随手可得，终身学习的时代，但在整体课程的安排上，这个专业还是会不同于其他的专业，而且这有个优点是在读研复试的时候会有些加分，缺点在于：如果不读研，那么就业平均情况是弱于其他专业的，毕竟这个专业在社会认可度较低，而且本科知识较浅，基本上对于职业化帮助不大。

请问北邮计算机院考研复试上机环境是c还是c++？有没有什么参考书？还有请问北邮考研群是多少？我想加一下

编译原理与技术：
编译程序设计原理与技术 李文生 北京邮电大学出版社编译原理（第2版） 张素琴等，清华大学出版社现代编译原理C语言描述 Andrew W.Appel著，赵克佳等译
计算机系统结构：
1、《计算机体系结构》郑纬民、汤志忠 清华大学出版社 2001年
2、《并行计算机系统结构（第二版）》白中英 编著 科学出版社 2006年
数据库系统原理:
1、数据库系统概论 王珊　萨师煊著　高等教育出版社
2、数据库系统概念 杨冬青 马秀莉等译　机械工业出版社
3、数据库系统原理 李建中 王珊 著 电子工业出版社
软件工程:
1、《软件工程模型与方法》，肖丁、吴建林等编，北京邮电大学出版社
2、《实用软件工程》，郑人杰等，清华大学出版社
3、《UML和模式应用》第三版，Craig Larman ， 机械工业出版社
通信原理:
1、《通信原理(合订本)》，周炯槃、庞沁华、续大我、吴伟陵，北京邮电大学出版社
2、《通信原理》第六版，樊昌信，国防出版社
人工智能:
《人工智能及其应用》(本科生用书), 蔡自兴等，第三版,清华大学出版社,2003.
考研群我不加，浪费时间又没有价值可言。不过你可以到搜索框自己搜一下。
你如果对北邮考研还有不懂的地方，在研途宝的软件里面有非常多的研究生，自己可以去问问他们。

关于北理和北邮考研选择

ls说得是。北理通信和北邮真不是一个档次的。在北京，北航北交的通信都要强过北理。
要考通信，觉得对北邮没信心，还不如考虑北航北交。
北邮电子以后就业路子和通信的差不多，也不错，待遇比通信次点，反正北邮出去基本也就是IT、电信相关的去处

考研能考人工智能专业的吗？

你本科学习计算机科学与技术专业，考人工智能方面的专业，不算是跨专业考研的，不同的院校的要求可能不一样的，你应该到你向报考的院校官网查询，以作有针对性的准备！

现在人工智能有哪些学派？它们的认知观是什么？

人工智能各学派简介：符号主义，连接主义，行为主义2007-06-15 02:41人工智能各学派简介 目前人工智能的主要学派有下面三家： (1)符号主义(symbolicism)，又称为逻辑主义(logicism)、心理学派(psychologism)或计算机学派(computerism)，其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。 (2)连接主义(connectionism)，又称为仿生学派(bionicsism)或生理学派(physiologism)，其主要原理为神经网络及神经网络间的连接机制与学习算法。 (3)行为主义(actionism)，又称为进化主义(evolutionism)或控制论学派(cyberneticsism)，其原理为控制论及感知-动作型控制系统。 他们对人工智能发展历史具有不同的看法。 1、符号主义 认为人工智能源于数理逻辑。数理逻辑从19世纪末起得以迅速发展，到20世纪30年代开始用于描述智能行为。计算机出现后，又再计算机上实现了逻辑演绎系统。其有代表性的成果为启发式程序LT逻辑理论家，证明了38条数学定理，表了可以应用计算机研究人的思维多成，模拟人类智能活动。正是这些符号主义者，早在1956年首先采用“人工智能”这个术语。后来又发展了启发式算法->专家系统->知识工程理论与技术，并在20世纪80年代取得很大发展。符号主义曾长期一枝独秀，为人工智能的发展作出重要贡献，尤其是专家系统的成功开发与应用，为人工智能走向工程应用和实现理论联系实际具有特别重要的意义。在人工智能的其他学派出现之后，符号主义仍然是人工智能的主流派别。这个学派的代表任务有纽厄尔(Newell)、西蒙(Simon)和尼尔逊(Nilsson)等。 2、连接主义 认为人工智能源于仿生学，特别是对人脑模型的研究。它的代表性成果是1943年由生理学家麦卡洛克(McCulloch)和数理逻辑学家皮茨(Pitts)创立的脑模型，即MP模型，开创了用电子装置模仿人脑结构和功能的新途径。它从神经元开始进而研究神经网络模型和脑模型，开辟了人工智能的又一发展道路。20世纪60~70年代，连接主义，尤其是对以感知机(perceptron)为代表的脑模型的研究出现过热潮，由于受到当时的理论模型、生物原型和技术条件的限制，脑模型研究在20世纪70年代后期至80年代初期落入低潮。直到Hopfield教授在1982年和1984年发表两篇重要论文，提出用硬件模拟神经网络以后，连接主义才又重新抬头。1986年，鲁梅尔哈特(Rumelhart)等人提出多层网络中的反向传播算法(BP)算法。此后，连接主义势头大振，从模型到算法，从理论分析到工程实现，伟神经网络计算机走向市场打下基础。现在，对人工神经网络(ANN)的研究热情仍然较高，但研究成果没有像预想的那样好。 3、行为主义 认为人工智能源于控制论。控制论思想早在20世纪40~50年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。维纳(Wiener)和麦克洛克(McCulloch)等人提出的控制论和自组织系统以及钱学森等人提出的工程控制论和生物控制论，影响了许多领域。控制论把神经系统的工作原理与信息理论、控制理论、逻辑以及计算机联系起来。早期的研究工作重点是模拟人在控制过程中的智能行为和作用，如对自寻优、自适应、自镇定、自组织和自学习等控制论系统的研究，并进行“控制论动物”的研制。到20世纪60~70年代，上述这些控制论系统的研究取得一定进展，播下智能控制和智能机器人的种子，并在20世纪80年代诞生了智能控制和智能机器人系统。行为主义是20世纪末才以人工智能新学派的面孔出现的，引起许多人的兴趣。这一学派的代表作者首推布鲁克斯(Brooks)的六足行走机器人，它被看作是新一代的“控制论动物”，是一个基于感知-动作模式模拟昆虫行为的控制系统。 --------《人工智能及其应用(第3版)》

考研人工智能

人工智能的研究领域及应用 人工智能的研究领域分支较多，从研究角度来分有三大分支：知识工程(knowledge engineering)、模式识别(pattern recognition)与机器人学(robotoligy)。这里仅择其中几种研究领域进行粗略的介绍。 专家系统 1977年费根鲍姆提出“知识工程”，把实用的人工智能称为知识工程，标志着人工智能研究进入实际应用的阶段。他开发出了第一个“专家系统”(expert systems)，认为“专家系统是一种智能的计算机程序，它运用知识和推理步骤来解决只有专家才能解决的复杂问题”。专家系统是指利用研究领域的专业知识进行推论，在解决专业的高级问题方面具有和专家相同能力的解决系统，属于人工智能的应用领域。目前，这一领域发展较快，应用也较广，已开发出不少有实际价值的专家系统． 与传统的计算机程序相比，专家系统是以知识为中心，注重知识本身而不是确定的算法．专家系统所要解决的是复杂而专门的问题，对这些问题人们还没有精确的描述和严格的分析，因而一般没有解法，而且经常要在不确定或不精确的信息基础上做出判断，需要专家的理论知识和实际经验。标准的计算机程序能精确地区分出每一任务应该如何完成，而专家系统则是告诉计算机做什么，而不区分出如何完成，这是两者最大的区别。另外，专家系统突出了知识的价值，大大减少了知识传授和应用的代价，使专家的知识迅速变成社会的财富。再者，专家系统采用的是人工智能的原理和技术，如符号表示、符号推理、启发式搜索等等，与一般的数据处理系统不同。 60年代末，以猜测为基础的第一个专家系统Dendral是由费根鲍姆和莱登伯格在斯坦福大学共同设计的，当时用于分析化合物的化学结构。这一系统至今仍被有机化学家经常使用。70年代中期，肖特列夫开发了Mycin这一专家系统，它是针对传染性血液病的诊断和治疗开发的。把患者的病状输入后，经过Mycin推理，最终由计算机开出处方来。据检测，Mycin的能力通常并不比专门的医生逊色。但它没敢投入实际使用，只是在培养医生的学校当作教材在使用。还有由斯坦福研究所美国地质调查国际组织开发的“探矿人”(Prospector)专家系统，波音公司的专家系统可辅助工程师更快地设计飞机等等。 从不同角度，专家系统也可分为多种类型。从其完成的功能来分，可包括诊断、解释、修理、规划、设计、监督、控制等多种类型，这些功能又可分为两大类：分析型和综合型。分析型专家系统所要解决的问题有明确的、有限个数的解，系统的任务在于根据实际的情况选择其中一种或几种解。综合型专家系统的任务是根据实际的需要构造问题的解，包括设计、规划等问题。此外，也可根据知识的特征和推理的类型对专家系统进行分类。 专家系统在各个领域的应用已经产生了很可观的经济效益，这从另一方面促进了对专家系统的理论和技术方面的研究。 开发专家系统的关键是如何获取知识，如何表示、运用人类专家的知识，这方面的研究也就成了重点。对这一点，范伦特(K．Vanlent，1987)作了充分说明： “我们应该去建构一个专家系统，去模拟专家的问题解决。专家行为，不管是由人或机器产生，都是他(它)的知识产物，但是，用什么能解释知识呢?尽管可以用不同的方式进行测量或限定，但对专家知识的形式和内容的最终解释，是人用来获取知识的学习过程。实际上，对于专家问题解决，学习理论可能是唯一足够科学的理论。” 自然语言处理 自然语言处理是人工智能早期的研究领域之一，也是一个极为重要的领域，主要包括人机对话和机器翻译两大任务，是一门融语言学、计算机科学、数学于一体的科学。由于以乔姆斯基为代表的新一代语言学派的贡献和计算机技术的发展，自然语言理解正在变得越来越热门．有很多理由值得人们去研究如何使计算机程序能以某种方式使用自然语言的问题。口语是人们进行交际的自然形式，计算机用户希望能与机器对话交流。自然语言输入可以表示成口语，也能从键盘上打入，以文体的形式给出。 最早的自然语言理解方面的研究工作是机器翻译。1949年，美国人威弗首先提出了机器翻译设计方案。20世纪60年代，国外对机器翻译曾有大规模的研究工作，耗费了巨额费用，但人们当时显然是低估了自然语言的复杂性，语言处理的理论和技术均不成热，所以进展不大。主要的做法是存储两种语言的单词、短语对应译法的大辞典，翻译时一一对应，技术上只是调整语言的同条顺序。但曰常生活中语言的翻译远不是如此简单，很多时候还要参考某句话前后的意思。 例如，英语的一句话：Stay away from the bank． 由于bank有银行和河堤两个意思，因此上面这句活应该翻译成“不要靠近那家银行”呢?还是“不要靠近河堤”呢?显然，光翻译这句话本身不看背景场合，不能保证翻译的正确，需要上下文联系起来才能正确翻译，这就是技术难度高之所在。 从20世纪70年代末期，随着机器翻译理论和计算机技术的进步，机器翻译有很大的进展。一种常见的做法是将语言的翻译分为“原语言的理解”和“所理解的语言表达成目的语言”两个子过程。这样就需要—种中间语言，只要做好原语言到中间语言以及中间语言到目的语言的转换程序，就可完成翻译。这种办法还容易实现—种语言到多种语言的翻译系统。到现在为止，西语系的一些语言(例如法语、英语)之间的互译技术已经比较成熟，双向翻译辅助系统准确性比较高，不过，翻译完后，还要对译文稍作修改。1995年，松下公司试制成功一种可进行曰英文对译的可视电话，引起了人们的广泛兴趣。该系统由计算机语音识别、声音合成和可视电话通信三个子系统组成，使用者可以用各自的语言进行交谈，通过分析语音波形的变化，该系统可从3000个例句中选择出语意最接近的单词，其识别率达到98％。据称，只要备有专用词典，就可以用它来流利地进行会话。对于我们每天使用的汉语，总的来说，与其他语言的互译水平还不太高，其中与英语的互译水平稍微高—些，市面上已有多种翻译软件出售。主要是我们对汉语的形式化研究还不够，特别是汉语与西方语言不是一个语系，翻译起来难度较大。总之，要真正建立一个能够生成和理解自然语言的计算机处理系统是相当困难的。因为，语言的生成和理解是一个极为复杂的编码和解码过程，一个能理解用自然语言来表达信息的计算机系绕，就应像人那样，不仅需要掌握上下文知识和语境等有关信息，而且还要能够利用这些知识进行推理，人具备大量的经验以及拥有自己的观点和对世界的看法，而现在的机器还做不到这一点。机器翻译离达到“自然的理解和表达”这个最终目标还有相当大的距离。 目前所能做到的仍然是人工辅助型的翻译系统，即靠人对翻译的结果进行修正，来获得自然的翻译。

考研601数学是什么

这个考试科目代码，常在考研科目中出现。一般认为高数301为高教版高等数学一，是考研中最难的数学，包括高数、线代和数理统计高数302为高教版高数二，包含高数的部分和线代还有一个高数361吧，代表的是同济版的高等数学，难度和高教版差不多，侧重方向不同高等数学601强军计划的研究生。。。。602高等数学（高等数学一般是指微积分）是学校自命题，要与学校联系，看考试范围数学一：包含线代，高数，概率。适用的学科为：1．工学门类的力学、机械工程、光学工程、仪器科学与技术、冶金工程、动力工程及工程热物理、电气工程、电子科学与技术、信息与通信工程、控制科学与工程、计算机科学与技术、土木工程、水利工程、测绘科学与技术、交通运输工程、船舶与海洋工程、航空宇航科学与技术、兵器科学与技术、核科学与技术、生物医学工程等一级学科中所有的二级学科、专业． 2．工学门类的材料科学与工程、化学工程与技术、地质资源与地质工程、矿业工程、石油与天然气工程、环境科学与工程等一级学科中对数学要求较高的二级学科、专业． 3．管理学门类中的管理科学与工程一级学科按此划分，绝大多数院校的计算机专业都会选择考数学一，这也是从事计算机所必须的最低数学功底。数学二：包含线代，高数。适用的学科为：1．工学门类的纺织科学与工程、轻工技术与工程、农业工程、林业工程、食品科学与工程等一级学科中所有的二级学科、专业． 2．工学门类的材料科学与工程、化学工程与技术、地质资源与地质工程、矿业工程、石油与天然气工程、环境科学与工程等一级学科中对数学要求较低的二级学科、专业． 数学三：常被称为经济数学，包含线代，概率，高数。适用学科为：1．经济学门类的应用经济学一级学科中统计学、数量经济学二级学科、专业． 2．管理学门类的工商管理一级学科中企业管理、技术经济及管理二级学科、专业． 3．管理学门类的农林经济管理一级学科中对数学要求较高的二级学科、专业