⑴ 急求人工智慧課程結課報告！！
人工智慧課程報告
摘要：自上世紀五十年代以來，經過了幾個階段的不斷探索和發展，人工智慧在模式識別、知識工程、機器人等領域已經取得重大成就，但是離真正意義上的的人類智能還相差甚遠。但是進入新世紀以來，隨著信息技術的快速進步，與人工智慧相關的技術水平也得到了相應的提高。尤其是隨著網際網路的普及和應用，對人工智慧的需求，變得越來越迫切，也給人工智慧的研究提供了新的更加廣泛的舞台。本文強調在當今的網路時代，作為信息技術的先導，人工智慧學習在人工智慧科學領域中是一個著非常值得關注的研究方向，要在學科交叉研究中實現人工智慧學習的發展與創新，就要關注認知科學、腦科學、生物智能、物理學、復雜網路、計算機科學與人工智慧之間的交叉滲透點，尤其是重視認知物理學的研究。自然語言是人類思維活動的載體，是人工智慧學習研究知識表示無法迴避的直接對象，要對語言中的概念建立起能夠定量表示的不確定性轉換模型，發展不確定性人工智慧；要利用現實生活中復雜網路的小世界模型和無尺度特性，把網路拓撲作為知識表示的一種新方法，研究網路拓撲的演化與網路動力學行為，研究網路化了的智能，從而適應信息時代數據挖掘的普遍要求，迎接人工智慧學習與應用領域新的輝煌。
概述
自20世紀90年代以來，隨著全球化的形式與國際競爭的日益激烈，對人工智慧技術的研究與應用變的越來越被人們關注，且人工智慧在製造中的運用以成為實現製造的知識化、自動化、柔性化以實現對市場的快速響應的關鍵。
人工智慧是一門研究人類智能的機理以及如何用機器模擬人的智能的學科。從後一種意義上講，人工智慧又被稱為「機器智能」或「智能模擬」。人工智慧是在現代電子計算機出現之後才發展起來的，它一方面成為人類智能的延長，另一方面又為探討人類智能機理提供了新的理論和研究方法。
學習機制的研究是人工智慧研究的一項核心課題。它是智能系統具有適應性與性能自完善功能的基礎。學習過程具有以下特點：學習行為一般具有明顯的目的性，其結果是獲取知識；學習系統中結構的變化是定向的，要麼由學習演算法決定，要麼由環境決定；學習系統是構造智能系統的中心骨架，它是全面組織與保存系統知識的場所。因此，人工智慧學習研究的一個主要目的是使機器能夠勝任一些通常需要人類智能才能完成的復雜工作。但是，不同的時代、不同的人對這種「復雜工作」的理解是不同的。
一.人工智慧學習的歷史性基礎和發展步伐
人工智慧學習的發展歷史是和計算機科學與技術的發展史聯系在一起的。除了計算機科學以外，人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。
一般認為，人工智慧的思想萌芽可以追溯到德國著名數學家和哲學家萊布尼茨(Leibnitz，1646-1716)提出的"通用語言"設想。這一設想的要點是：建立一種通用的符號語言，用這個語言中的符號表達「思想內容」，用符號之間的形式關系表達「思想內容」之間的邏輯關系。於是，在「通用語言」中可以實現「思維的機械化」這一設想可以看成是對人工智慧的最早描述。
計算機科學的創始人圖靈被認為是「人工智慧之父」，他著重研究了一台計算機應滿足怎樣的條件才能稱為是「有智能的」。1950年他提出了著名的「圖靈實驗」：讓一個人和一台計算機分別處於兩個房間里，與外界的聯系僅僅通過鍵盤和列印機。由人類裁判員向房間里的人和計算機提問，並通過人和計算機的回答來判斷哪個房間里是人、哪個房間里是計算機。圖靈認為，如果「中等程度」的裁判員不能正確地區分，則這樣的計算機可以稱為是有智能的。「圖靈實驗」是關於智能標準的一個明確定義。有趣的是，盡管後來有些計算機已經通過了圖靈實驗，但人們並不承認這些計算機是有智能的。這反映出人們對智能標準的認識更深入、對人工智慧的要求更高了。
圖靈和馮·諾依曼的上述工作，以及麥克考洛和匹茨對神經元網的數學模型的研究，構成了人工智慧的初創階段，這其實也是人工智慧學習的開始。
人工智慧早期研究給人的深刻印象是博羿，與自動定理證明的研究意義不限於數學一樣，搜索的研究意義也不限於博弈。根據認知心理學的信息處理學派的觀點，人類思維過程的很大一部分可以抽象為從問題的初始狀態經中間狀態到達終止狀態的過程，因此可以轉化為一個搜索問題，由機器自動地完成。例如「規劃」問題。設想一台機器人被要求完成一項復雜任務，該任務包含很多不同的子任務，其中某些子任務只有在另一些子任務完成之後才能進行。這時，機器人需要事先「設想」一個可行的行動方案，使得依照該方案採取行動可以順利完成任務。「規劃」即找出一個可行的行動案，可以通過以其子任務為狀態、以其子任務間依賴關系為直接後繼關系的狀態空間中的搜索來實現。
人工智慧的早期研究還包括自然語言理解、計算機視覺和機器人等等。通過大量研究發現，僅僅依靠自動推理的搜索等通用問題求解手段是遠遠不夠的。Newell和Simon等人的認知心理學研究表明，各個領域的專家之所以在其專業領域內表現出非凡的能力，主要是因為專家擁有豐富的專門知識(領域知識和經驗)。70年代中期，Feigenbaum提出知識工程概念，標志著人工智慧進入第二個發展時期。知識工程強調知識在問題求解中的作用；相應地，研究內容也劃分為三個方面：知識獲取，知識表示和知識利用。知識獲取研究怎樣有效地獲得專家知識；知識表示研究怎樣將專家知識表示成在計算機內易於存儲、易於使用的形式；知識利用研究怎樣利用已得到恰當表示的專家知識去解決具體領域內的問題。知識工程的主要技術手段是在早期成果的基礎上發展起來的，特別是知識利用，主要依靠自動推理和搜索的技術成果。在知識表示方面，除使用早期工作中出現的邏輯表示法和過程表示法之外，還發展了在聯想記憶和自然語言理解研究中提出的語義網表示法，進而引入了框架表示法，概念依賴和腳本表示法以及產生式表示法等等各種不同方法。與早期研究不同，知識工程強調實際應用。主要的應用成果是各種專家系統。專家系統的核心部件包括：
(a)表達包括專家知識和其他知識的知識庫。
(b)利用知識解決問題的推理機。
大型專家系統的開發周期往往長達10餘年，其主要原因在於知識獲取。領域專家雖然能夠很好地解決問題，卻往往說不清自己是怎麼解決的，使用了哪些知識。這使得負責收集專家知識的知識工程師很難有效地完成知識獲取任務。這種狀況極大的激發了自動知識獲取----機器學習研究的深入發展。已經得到較多研究的機器學習方法包括：歸納學習、類比學習、解釋學習、強化學習和進化學習等等。機器學習的研究目標是：讓機器從自己或「別人」的問題求解經驗中獲取相關的知識和技能，從而提高解決問題的能力。
80年代以來，隨著計算機網路的普及，特別是Internet的出現，各種計算機技術包括人工智慧技術的廣泛應用推動著人機關系的重大變化。據日美等國未來學家的預測，人機關系正在迅速地從「以人為紐帶」的傳統模式向「以機為紐帶」的新模式轉變人機關系的這一轉變將引起社會生產方式和生活方式的巨大變化，同時也向人工智慧乃至整個信息技術提出了新的課題。這促使人工智慧進入第三個發展時期。
在這個新的發展時期中，人工智慧面臨一系列新的應用需求。
首先是需要提供強有力的技術手段，以支持分布式協同工作方式，現代生產是一種社會化大生產，來自不同專業的工作者在不同或相同的時間、地點從事著同一任務的不同子任務。這要求計算機不僅為每一項子任務提供輔助和支持，更需要為子任務之間的協調提供輔助和支持。由於各個子任務在很大程度上可以獨立地進行，子任務之間的關系必然呈現出動態變化和難以預測的特點。於是，子任務之間的協調（即對分布協同工作的支持）向人工智慧乃至整個信息技術以及基礎理論提出了巨大的挑戰。
其次，網路化推進了信息化，使原本分散孤立的資料庫形成一個互連的整體，即一個共同的信息空間。盡管現有的瀏覽器和搜索引擎為用戶在網上查找信息提供了必要的幫助，這種幫助是遠遠不夠的，以至於「信息過載」與「信息迷失」狀況日益嚴重。更強大的智能型信息服務工具已成為廣大用戶的迫切需要。另一方面，信息空間對人類的價值不僅在於單獨的信息條目（比如某廠家生產出了某一新產品的信息），還遠在於一大類信息中隱藏著的普遍性知識（比如某個行業供求關系的變化趨勢）。於是，數據中的知識發現也成為一項迫切的研究課題。機器人始終是現代工業的迫切需求。隨著機器人技術的發展，研究重點已經轉向能在動態、不可預測環境中獨立工作的自主機器人，以及能與其他機器人（包括人）協作的機器人。顯然，這種機器人之間的合作可以看成是物理世界中的分布式協同工作，因而包括相同的理論和技術問題。
由此可見，人工智慧第三發展時期的突出特點是研究能夠在動態、不可預測環境中自主、協調工作的計算機系統，這種系統被稱為Agent 。目前，正圍繞著Agent的理論、Agent的體系結構和Agent語言三個方面展開研究，並已產生一系列重要的新思想、新理論、新方法和新技術。在這一研究中，人工智慧呈現一種與軟體工程、分布式計算以及通訊技術相互融合的趨勢。Agent研究的應用不限於生產和工作，還深入到人們的學習和娛樂等各個方面。例如，Agent與虛擬現實相結合而產生的虛擬訓練系統，可以使學生在不實際操縱飛機的情況下學飛行的基本技能；類似地，也可使顧客「享受」實戰的「滋味」。
我國也先後成立中國人工智慧學會、中國計算機學會人工智慧和模式識別專業委員會和中國自動化學會模式識別與機器智能專業委員會等學術團體，開展這方面的學術交流。此外國家還著手興建了若干個與人工智慧研究有關的國家重點實驗室，這些都將促進我國人工智慧的研究，為這一學科的發展作出貢獻。
綜觀人工智慧學習的發展歷程，可以看出它始終遵循的基本思路。首先是強調人類智能的人工實現而不是單純的模擬，以便盡可能地為人類的實際需要服務。其次是強調多學科的交叉結合，數學、信息科學、生物學、心理學、生理學、生態學以及非線性科學等等越來越多的新生學科被融入到人工智慧學習的研究之中。
二.人工智慧學習的主要技術及其發展趨勢
目前人工智慧學習研究的3個熱點是：智能介面、數據挖掘、主體及多主體系統。
智能介面技術是研究如何使人們能夠方便自然地與計算機交流。為了實現這一目標，要求計算機能夠看懂文字、聽懂語言、說話表達，甚至能夠進行不同語言之間的翻譯，而這些功能的實現又依賴於知識表示方法的研究。因此，智能介面技術的研究既有巨大的應用價值，又有基礎的理論意義。目前，智能介面技術已經取得了顯著成果，文字識別、語音識別、語音合成、圖像識別、機器翻譯以及自然語言理解等技術已經開始實用化。
數據挖掘就是從大量的、不完全的、有雜訊的、模糊的、隨機的實際應用數據中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。數據挖掘和知識發現的研究目前已經形成了三根強大的技術支柱：資料庫、人工智慧和數理統計。主要研究內容包括基礎理論、發現演算法、數據倉庫、可視化技術、定性定量互換模型、知識表示方法、發現知識的維護和再利用、半結構化和非結構化數據中的知識發現以及網上數據挖掘等。
主體是具有信念、願望、意圖、能力、選擇和承諾等心智狀態的實體，比對象的粒度更大，智能性更高，而且具有一定自主性。主體試圖自治地、獨立地完成任務，而且可以和環境交互，與其他主體通信，通過規劃達到目標。多主體系統主要研究在邏輯上或物理上分離的多個主體之間進行協調智能行為，最終實現問題求解。目前對主體和多主體系統的研究主要集中在主體和多主體理論、主體的體系結構和組織、主體語言、主體之間的協作和協調、通信和交互技術、多主體學習以及多主體系統應用等方面。
新一代的智能技術是指80年代以來迅速發展起來的以神經網路（ANN）、進化計算、模糊邏輯、Agent為主要代表的計算只能技術，其中主要具有學習進化與自組織的能力。
神經網路也就是模擬人腦中神經元的功能，希望通過模擬人腦最基本的單位神經元功能來模擬人腦的功能。它通過一定的範例訓練構成的神經網路，就象教一個小孩子一樣，在訓練結束後，這個神經網路就可以完成特定的功能了。它是通過範例的學習，修改了知識庫和推理機的結構，達到實現人工智慧的目的。
最後還有一個應用領域，就是模型識別，我想它應該在知識挖掘中應用不小，因為現在工程中的獲得的數據越來越多，要想人為地從這些數據中確定某一規律都不容易，更不要說在這些數據中發現新規律了，因此有必要進行數據挖掘，它的應用對於決策支持系統將有著巨大的意義。
人可以思考，人工智慧也需要思考，這就是推理；人可以學習，人工智慧也就需要學習；人可以擁有知識，那麼人工智慧也就需要擁有知識。
人工智慧是為了模擬人類大腦的活動的，人類已經可以用許多新技術新材料代替人體的許多功能，只要模擬了人的大腦，人就可以完成人工生命的研究工作，人創造自己，這不但在科學上，而且在哲學上都具有劃時代的意義。
學習是指系統適應環境而產生的適應性變化，它使得系統在完成類似任務時更加有效。80年代以來，ANN的學習機制再次得到人們的重視，基於連接機制的亞符號學習又一次成為的當今學習機制研究的熱點，提出了競爭學習，進化學習、加強學習等各種新的學習機制。
機械式學習。它的另一個名稱死記式學習能夠直接體現它的特點，這是一種最簡單的，最原始的學習方法，也是機器的強項，人的弱項。
指導式學習。這種學習方式是由外部環境向系統提供一般性的指示或建議，系統把它們具體地轉化為細節知識並送入知識庫中，在學習過程中要對反復對知識進行評價，使其不斷完善。
歸納學習。我們看到，機器所善長的不是歸納，而是演繹，它適用於從特殊到一般，而不太適應從一般到特殊，從特殊到一般的歸納是人類所特有的，是智慧的標志。具體的歸納學習方法有許多，但它們的本質就是讓計算機學會從一般中得出規律。
類比學習。類比也就是通過對相似事物進行比較所進行的一種學習。它的基礎是類比推理，也就是把新事物和記憶中的老事物進行比較，如果發現它們之間有些屬性是相同的，那麼可以（假定地）推斷出它們的另外一些屬性也是相同的。
基於解釋的學習。這是近年來興起的一種新的學習方法。它不是通過歸納或類比進行學習，而是通過運用相關的領域知識及一個訓練實例來對某一目標概念進行學習，並最終生成這個目標概念的一般描述，這個一般描述是一個可形式化表示的一般性知識。
增強式學習（ReinforcementLearning）是一種基於行為方法的半監督學習。一般的學習方法分兩類，一類是上文提到的基於模型的，在這種方法，智能體需要環境確切的模型，具有較高的智能，但不適合於不確定的動態環境；另一種是基於行為的方法，在這種方法中，不需要環境的確切模型，採用分層結構，高層行為可以調整和抑制低層的行為能力，但每層中都具有其自主的確定權，如[3]中的Holonic智能製造系統。增強式具有這些優點，故常用於機器人足球賽[4]、狩獵問題、甚至戰爭指揮中[5]，但是這些都只是理論上的研究，因為機器人足球賽的本身目的也是為了測試人工智慧的可用性，且更不可能去讓戰爭去由電腦而不是人去指揮了。
使用強化學習的Agent最早是出現與遺傳演算法中，使用「Ethogenetics（行為遺傳）」的思想，突破了人們長期以來關於一個編碼串對應於組合優化問題所有策略變數的一個組合方式的傳統、靜態的認識，而將一個編碼串看成某個智能主體(Agent)主動進行的一系列決策行為的結果。
人工智慧學習可能會向以下幾個方面發展：模糊處理、並行化、神經網路和機器情感。目前，人工智慧的推理功能已獲突破，學習及聯想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個大腦的並行化處理功能。人工神經網路是未來人工智慧應用的新領域，未來智能計算機的構成，可能就是作為主機的馮·諾依曼機與作為智能外圍的人工神經網路的結合。研究表明：情感是智能的一部分，而不是與智能相分離的，因此人工智慧領域的下一個突破可能在於賦予計算機情感能力。情感能力對於計算機與人的自然交往至關重要。
通過以上的學習方法就是為了得到知識，通過一種方便的方法得到知識。前面已經說過了，因為機器的思考方式和人類的思考方式大有不同之處，因此讓機器通過自己學習生成自己便於理解和使用的知識，也不失為機器學習的目標之一。
人工智慧一直處於計算機技術的前沿，人工智慧研究的理論和發現在很大程度上將決定計算機技術的發展方向。
由於計算機晶元的微型化已接近極限。人們越來越寄希望於全新的計算機技術能夠帶動人工智慧的發展。目前至少有三種技術有可能引發全新的革命，它們是光子計算機、量子計算機和生物計算機。
結束語
許多科學家斷言，機器的智慧會迅速超過阿爾伯特·愛因斯坦和斯蒂芬·霍金的智慧之和。著名物理學家斯蒂芬·霍金認為，就像人類可以憑借其高超的搗弄數字的能力來設計計算機一樣，智能機器將創造出性能更好的計算機。最遲到本世紀中葉而且很可能還要快得多，計算機的智能也許就會超出人類的智能。
本文對學習中的一些方法進行基本的敘述並闡述了其發展的趨勢，但是在一般的學習中，使用基於行為的方法仍舊是最受人關注的；文中介紹了幾種強化學習方法的變形，並對他們的運用進行了一定的敘述。在一定程度上，他們實現模擬的可行行。但是這些模擬大多都是驗證性的，真正的人工智慧在實際生產中的運用仍舊是一個需要研究的課題。最後，我們來總結一下，人工智慧學習的各個研究領域。參照人在各種活動中的功能，我們可以得到人工智慧的領域也不過就是代替人的活動而已。哪個領域有人進行的智力活動，哪個領域就是人工智慧學習研究的領域。人工智慧學習就是為了應用機器的長處來幫助人類進行智力活動。人工智慧學習研究的目的就是要模擬人類神經系統的功能。
但隨著技術及技術的發展，人工智慧學習的方法還會有所變化也更加會引起我們的關注。
參考文獻
[1] 《人工智慧簡史》孫興清華大學出版社， 1990年
[2] 蔡自興徐光佑《人工智慧及其應用》清華大學出版社 2002年1月
[3] 陳萬求;黃一;;NBIC會聚技術的「後人類」議題[J];湖南師范大學社會科學學報;2013年04期
[4] 王東浩;;道德機器人:人類責任存在與缺失之間的矛盾[J];理論月刊;2013年11期
[5] 機器學習理論為什麼實現不了強人工智慧
[6] 王東浩;;人工智慧體的道德確立與倫理困境[J];華南農業大學學報(社會科學版);2014年01期
[7] 熊力;媒介道德激勵功能及其實踐研究[D];湖南大學;2013年
[8] 孫志楠;;人工智慧在電氣自動化控制中的應用[J];現代商貿工業;2013年07期
[9] 宋翠萍;;淺析智能化技術在電氣工程自動化中的應用[J];電源技術應用;2013年06期
[10] 胡琴;;電氣自動檢測技術的現狀與發展[J];矽谷;2013年11期
[11] 劉惠彥;;電氣自動化工程式控制制系統的現狀及其發展趨勢[J];科技創新與應用;2013年18期
[12] 朱金芳;;人工智慧在電氣工程自動化中的運用[J];化學工程與裝備;2013年05期
[13] 潘偉航;;淺析電氣自動化在日常生活中的作用和未來發展趨勢[J];科技創新與應用;2013年12期
[14] 虞崢;;淺談人工智慧技術在電氣自動化中的運用[J];電子製作;2013年05期
[15] 趙綱;劉剛;;有關電氣控制線路設計的研究[J];電子製作;2013年02期
[16] 李俊平;人工智慧技術的倫理問題及其對策研究[D];武漢理工大學;2013年
[17] 趙艷軍;錳粉制備輸送控制系統設計與研究[D];蘭州理工大學;2012年
⑵ 關於計算機專業研究生研究方向
1、計算機應用技術
研究方向：計算機網路、實時計算機應用、CIMS、計算機圖形學、並行計算、網路信息安全、資料庫、情感計算、數據挖掘、分布式計算、知識工程、計算機視覺、自動推理、機器學習、草圖理解、網路性能分析與協議設計畝鋒激、網路管理與安全、計算機圖形學、信息可視化、基於GPU的高性能計算、復雜系統(應急、物流、海洋)領域工程、基於SOA的空間信息共享與業務協同、語義搜索引擎、自然語言處理、機器翻譯、搜索引擎、空中交通信息系統與控制、民航信息與決策支持系統、智能交通系統理論與技術等。
專業特點：計算機應用技術是針對社會與各種企事業單位的信息化需求，通過對計算機軟硬體與網路技術的選擇、應用和集成，對信息系統進行需求分析、規劃和設計，提供與實施技術與解決方案，創建優化的信息系統，並對其運行實行有效的技術維護和管理的學科。
培養這方面人才所涉及的知識麵包括：數學與信息技術基礎、程序設計基礎、系統平台技術、計算機網路、信息管理與安全、人機交互、集成程序開發、系統架構與集成、Web與數字媒體技術、工程實施、職業操守等。培養目標是為企事業單位和政府機構提供首席信息官及承擔信息化建設核心任務的人才，並提供為IT企業提供系統分析人才。
科研狀況：本專業是天津市第一個計算機類博士點，主要從事計算機技術在其它領域應用中核心技術問題研究及相關信息系統開發。近年來在計算機集成製造（CIMS）、計算機輔助教學、虛擬現實技術應用、計算機工業控制、電子商務等方向承擔國家863項目及重大項目、國家自然科學基金十餘項。承擔省部級及橫向科研課題近百項。為國家和天津市的信息化建設做出了重要貢獻。
近幾年報考簡況：本迅襪專業從80年代初開始招生，至今已為國家培養出碩士學位研究生300多名。近年來，報考人數和錄取名額逐年同步增加。
碩士期間主要課程及論文要求：主要課程：高等計算機網路、計算理論、排隊論及在計算機中的應用、應用組合數學、軟體體系結構、面向對象方法學、分布式計算機系統、並行計算、高級計算機圖形學、高級人工智慧、模式識別與理解、機器學習、密碼學與信息安全、統一建模語言。
論文要求：論文選題涉及計算機在各領域應用的理論研究、尖端技術開發、以及在國民經濟各個領域的應用研究。論文應能全面反映本學科發展動態、具有科學性、先進性和一定的創新性。對於理論研究課題，要求達到較高的理論水平和創新；對於系統設計、系統開發及系統應用課題，要求指導理論正確，實現技術先進，設計新穎，所設計的系統應能付諸實現、具有實際應用價值並能夠帶來明顯的社會經濟效益。
就業方向：本專業培養的研究生具有堅實的計算機科學與技術的理論基礎，全面掌握計算機應用領域的理論和工程方法，能很好地勝任高等院校、科研院所、大型企事業單位、高新技術產業等的教學、科研、系統設計、產品開發、應用系統集成等工作。
2、計算機軟體與理論
研究方向：計算理論、演算法理論； 軟體工程、中間件、智能軟體、計算環境；並行計算、網格計算、普及計算；密碼學、信息安全、數據理論；圖形圖象演算法、可視化方法；人工智慧應用基礎；理論計算機科學其他方向。
專業特點：計算機軟體與理論專業涉及計算機科學與技術的基本理論和方法，強調計算、演算法、軟體、設計等概念，主要的領域包括計算理論、演算法與復雜性、程序設計語言、軟體設計與理論、資料庫系統、人工智慧、操作系統與編譯理論、信息安全理論與方法、圖形學與可視化計算、以網路為中心的計算等。
科研狀況：計算機軟體與理論專業是我院重點發展，進步較快的專業。近年來承擔國家863、自然科學基金、，以及省部級項目多項。在網路信息安全、中間件技術、並行計算、網格計算、計算機圖形學等方面取得了多項前沿性成果。
近幾年報考簡況：本專業從96年代初開始招生，至今已為國家培養出碩士基禪學位研究生50多名。近年來，報考人數和錄取名額逐年同步增加。
碩士期間主要課程及論文要求：主要課程：計算理論、應用組合數學、軟體體系結構、面向對象方法學、分布式計算機系統、並行計算、高級計算機圖形學、高級人工智慧、模式識別與理解、機器學習、密碼學與信息安全、統一建模語言。
論文要求：論文選題涉及計算機軟體的理論研究、尖端技術開發、以及在國民經濟各個領域的應用研究。論文應能全面反映本學科發展動態、具有科學性、先進性和一定的創新性。對於理論研究課題，要求達到較高的理論水平和創新；對於系統設計、系統開發及系統應用課題，要求指導理論正確，實現技術先進，設計新穎，所設計的系統應能付諸實現、具有實際應用價值並能夠帶來明顯的社會經濟效益。
就業方向：本專業培養的研究生具有堅實的計算機科學與技術的理論基礎，全面掌握計算機軟體的理論方法，以及軟體工程、信息系統、並行計算、普及計算等等的軟體系統開發技術，能很好地勝任高等院校、科研院所、大型企事業單位、高新技術產業等的教學、科研、系統設計、產品開發、應用系統集成等工作。
3、計算機系統結構
研究方向：分布式計算機系統、計算機網路系統與全球個人計算系統、真實感圖形生成與虛擬現實技術
專業特點：計算機系統結構（原名計算機組織與系統結構）專業全面研究各種類型的計算機系統（從單機到網路）的構成、硬體與軟體的聯系與功能匹配、計算機系統性能評價與改進等。該專業的研究課題涉及高性能處理機系統結構、多機系統、並行計算與分布式計算系統、計算機系統性能評價、VLSL設計、容錯計算技術、計算機介面技術、計算機網路系統與通信系統、移動計算、全球個人計算系統等。
科研狀況：本專業近年來承擔多項國家科委、國家教委、國家計委及天津市自然科學基金項目，並有多項科研獲獎。其中G.T9112計算機解密系統獲北京市公安局科技進步二等獎，表面高度復雜實體的CAM獲國家科委科技進步二等獎。目前承擔國家自然科學基金項目「面向ASIC的真實感圖形演算法和系統結構的研究」、國家高科技863項目「用於建築環境模擬設計的分布式多用戶虛擬現實系統」、天津自然科學基金項目「分布式多用戶VR開發系統平台的研究」和一大批為企事業單位開發的橫向科研項目。
近幾年報考簡況：本專業從80年代初開始招生，至今已為國家培養出碩士學位研究生50多名。近年來，報考人數和錄取名額逐年同步增加。
碩士期間主要課程及論文要求：主要課程：應用數學、外語、高等計算機網路、排隊論及在計算機中的應用、計算理論、現代計算機體系結構、計算機綜合實驗、計算機控制及應用、計算機網路研究熱點問題、計算機系統模擬、量子計算、密碼學與信息安全、面向對象方法學、嵌入式系統設計、統一建模語言、圖象/模式識別與理解、機器學習、軟體體系結構。
論文要求：論文選題涉及計算機系統結構的理論研究、尖端技術開發、以及在國民經濟各個領域的應用研究。論文應能全面反映本學科發展動態、具有科學性、先進性和一定的創新性。對於理論研究課題，要求達到較高的理論水平和創新；對於系統設計、系統開發及系統應用課題，要求指導理論正確，實現技術先進，設計新穎，所設計的系統應能付諸實現、具有實際應用價值並能夠帶來明顯的社會經濟效益。
就業方向：本專業培養的研究生具有堅實的計算機科學與技術的理論基礎，全面掌握計算機系統結構、計算機工程、網路工程、嵌入式系統等的應用開發技術、能很好地勝任高等院校、科研院所、大型企事業單位、高新技術產業等的教學、科研、系統設計、產品開發、應用系統集成等工作。
計算機系統結構 02 網路與信息安全
04 計算機通信，信息安全，多媒體信號處理 05 圖形圖像處理技術
07 計算機圖形圖像處理技術、嵌入式系統 09 計算機網路與圖形圖像處理 10 計算機網路與信息處理
11 輸入輸出技術與設備、圖像處理與圖像理解 12 信息安全理論與技術,嵌入式系統 13 網路安全
14 信息安全與編碼
15 網路安全和網路計算 16 圖形圖像和外設
17 計算機輸入輸出技術與設備、圖形圖像處理與理解 考試科目:
①101政治理論②201英語③301數學（一）④431計算機基礎(計算機基礎包含離散數學45分；數據結構45分；計算機組成原理60分) 計算機軟體與理論 02 面向對象技術
04 軟體安全與編譯器體系結構 06 分布計算與互聯網技術
08 並行與分布計算，生物信息學演算法 09 軟體工程、信息系統 10 軟體理論與應用
11 高可信軟體技術、互聯網計算與互聯網軟體、可編程晶元支持軟體和嵌入式系統
12 軟體測試與自演化技術 14 程序理解、軟體再工程
15 計算智能的理論、方法與應用
16 高可信軟體技術、互聯網計算與互聯網軟體、可編程晶元支持軟體和嵌入式系統