一、培养目标
本学科培养德智体全面发展，系统掌握本学科的基础理论和工程技术专业知识，了解本学科的研究现状、前沿动态和发展趋势。熟悉现代计算机软、硬件环境和工具，有娴熟的计算机实用、实践技能。具有严谨的科学态度与良好的协作精神以及较强创新能力和动手能力，能独立承担或参与科研工作并撰写科技论文或撰写技术报告。具有从事高校、科研单位、应用管理部门的技术开发、工程设计、教学和科研等能力的高级工程技术人才。
二、学制及学习年限
基本学制3年，在校时间最长不超过5年。
三、培养方式
1、1-1.5年内完成课程阶段学习；用于学位论文工作的时间不少于1年；实践环节可采用集中实践与分段实践相结合的方式进行，历届本科毕业生累积实践时间不少于半年，应届本科毕业生的实践时间原则上不少于1 年。在进程安排上，实践环节与课程学习、学位论文的时间可部分重叠。
2、实行双导师制：学位论文由校内具有工程实践经验的导师与工矿企业或工程建设部门内经单位推荐的业务水平高、责任心强的具有中高级技术职务的人员联合指导。以校内导师指导为主，校外导师参与实践过程、项目研究、课程与论文等多个环节的指导工作。
四、本领域主要研究方向简介
1．计算方法与计算机辅助设计
本研究方向致力于现代数值计算方法与微波电路的计算机建模与辅助分析，研究一系列国内外先进的算法和模型；包括：（1）在国际上将无网格技术的数值算法用于高速铁路电磁防护的CAD辅助设计，开发高速铁路EMC/EMI电磁仿真软件,应用于高速列车通信与控制系统的兼容设计；（2）基于有限元算法的CAD技术，在国际上较早地研究了一整套缺陷接地结构（DGS）的构造方法与设计理论，建立电路的计算机仿真模型，实现特种微波结构电路的计算机精确建模与高效设计；（3）完成在复杂环境下军事目标电磁散射的高效混合数值算法研究，突破制约传统算法效率的瓶颈，在保证计算精度的前提下有效提高了计算速度；（4）采用人工神经网络方法，实现对微波电路的建模与优化，显著提高了功率放大器等微波电路的设计效率。
2．智能信息处理
本研究方向经过多年的发展，已形成在国内外有一定特色的研究方向，包括：（1）量子信息处理：针对信号信息处理与量子计算的共有特点设计相关算法，研究一整套量子信号处理实施方案。（2）量子神经网络：研究了量子神经网络实现模式识别算法，并与加拿大合作开发了基于神经网络设计与应用的工具软件Neuromodeler。（3）可逆逻辑电路设计及仿真：设计和优化可逆逻辑电路并对其进行仿真优化，（4）汉语语言自动语义分析。汉语自动分词是中文信息处理的“瓶颈”问题，解决它很大程度上依赖于神经网络、专家系统、知识工程等人工智能技术研究的新进展，本方向研究多种汉语自动语义自动分析方法。(5)基于VC++6.0的计算平台研发：设计和开发新型计算平台，方便于产品和技术的研发。
3．机器学习与模式识别
多年来，本研究方向致力于开展机器学习与模式识别理论及优化算法方面的研究，并应用于图像处理、数据挖掘和信息融合等领域，逐渐形成了自己的研究特色：（1）在高维数据非负稀疏特征抽取技术方面，对压缩传感及多元统计理论进行了深入研究，研究统一的数据非负稀疏特征提取框架和不同特征抽取模型，求解这些模型的改进算法。（2）在金融时间序列数据挖掘技术方面，深入研究了核学习、最小均方算法等相关技术，并将其应用于金融时序的相似性搜索、预测和分析，获得了极好的应用效果。（3）在稀疏财务预警模型方面，利用统计学习理论中基于l1范数的正则化技术开展上市公司财务预警建模及求解算法的研究，建立稀疏逻辑回归和稀疏线性判别分析模型，实现模型变量选择。（4）在医学图像处理处理方面，针对医学显微图像的摄入、比对等，设计相关算法并开发了医学显微图像管理系统。（5）在基于不确定信息处理的移动机器人定位与地图构建研究方面，综合考虑定位、地图构建、路径规划等问题，以贝叶斯理论为基础研究更符合实际情况的移动机器人导航技术，研究系列新的或改进算法。
4．无线传感器网络
本研究方向面向智能交通、高速轨道监测等重大应用需求，以建设“智慧鄱阳湖经济圈”为目标，形成了鲜明的研究特色，体现在以下三个方面：（1）针对无线传感器网络的传感、异构、无线、移动、泛在和互连的基本特性，以能量、通信、时间和空间复杂性最小化为目标，研究新型传感器网络自组织演化理论、方法和技术体系。（2）针对无线传感器网络的链路与节点极易失效的特点，建立网络性能评价方式与定量描述模型。（3）从发展无线传感器网络产业的角度，设计可伸缩的无线传感器网络通信协议栈，实现协同车-地、车-车等互联通信的智能软件平台。
5．网络与信息安全
本研究方向主要从事网络监管和安全防预、安全特装路由器、网络主动防御技术的研究，致力于在高速网络信息获取、网络入侵检测、预警和灾难恢复、信息安全数据挖掘等方面做出高水平的研究。
