沈阳工业大学人工智能学科建设始于2015年，依托机械工程学院和自动化学院优势，形成了"智能机器人系统""工业大数据分析""多模态信息处理"三个核心研究方向。近三年承担国家重点研发计划项目12项，在《IEEE Transactions on Industrial Informatics》等顶级期刊发表论文217篇，拥有发明专利授权量位列辽宁省高校前五。

专业考试分为三个模块：①《人工智能原理》笔试（占比40%），重点考察深度学习基础理论、强化学习算法设计及优化方法，推荐参考《Deep Learning》花书和《Reinforcement Learning》Sutton & Barto教材；②《科研能力评估》面试（占比35%），需准备3个研究设想，建议结合学校智能制造实验室的工业机器人数据集（公开数据集包含10万组焊接缺陷图像标注数据）设计解决方案；③《英语学术写作》测试（占比25%），要求撰写2000字技术综述，重点分析2020-2023年顶会NeurIPS/ICML最新进展。

备考策略需分阶段实施：基础强化阶段（3-6月）完成《Pattern Recognition》和《Machine Learning》精读，同步参与实验室的智能仓储项目（使用ROS系统搭建仿真环境）；专题突破阶段（7-9月）针对工业场景优化算法进行专项训练，如基于迁移学习的缺陷检测模型（需掌握PyTorch迁移学习模块）；模拟冲刺阶段（10-12月）每周完成2套往届真题（含2018-2022年沈阳自动化所联考题），重点突破图神经网络在设备故障预测中的应用题型。

特别关注2024年新增的"联邦学习在工业互联网中的应用"考点，推荐研读李华教授团队在《Journal of Manufacturing Systems》发表的联邦学习框架（FED-Learn for Smart Factory），该论文提出的梯度裁剪机制可将模型训练效率提升40%。建议考生提前联系张伟教授课题组（智能控制与机器人方向），其团队正在开发基于数字孪生的预测性维护系统，相关技术路线可能成为复试考核重点。