算法是人工智能(AI)核心領域之一。
本文整理了算法領域常用的39個術語，希望可以幫助大家更好地理解這門學科。
本文爲下半部分，上半部分見本賬號上一篇文章。
19.遷移學習(Transfer Learning)
遷移學習是一種機器學習的方法，指的是一個預訓練的模型被重新用在另一個任務中。
20.長短期記憶網絡(LSTM)
LSTM是一種特殊的循環神經網絡，能夠學習長期依賴性。
21.生成對抗網絡(GAN)
生成對抗網絡(GAN, Generative Adversarial Networks )是一種深度學習模型，是最近兩年十分熱門的一種無監督學習算法。
生成對抗網絡(GAN)由兩個重要部分構成：生成器和判別器。
22.循環神經網絡(RNN)
循環神經網絡(Recurrent Neural Network, RNN)是一類以序列數據爲輸入，在序列的演進方向進行遞歸且所有節點(循環單元)按鏈式連接的遞歸神經網絡。
23.卷積神經網絡(CNN)
卷積神經網絡(Convolutional Neural Networks, CNN)是一類包含卷積計算且具有深度結構的前饋神經網絡(Feedforward Neural Networks)，是深度學習的代表算法之一。
典型的CNN由3個部分組成——卷積層、池化層、全連接層。
24.受限玻爾茲曼機(RBM)
受限玻爾茲曼機是一種可通過輸入數據集學習概率分佈的隨機生成神經網絡。受限玻茲曼機在降維、分類、協同過濾、特徵學習和主題建模中得到了應用。
根據任務的不同，受限玻茲曼機可以使用監督學習或無監督學習的方法進行訓練。
25.強化學習(Reinforcement Learning)
強化學習(Reinforcement Learning)，又稱再勵學習、評價學習，是一種重要的機器學習方法，在智能控制機器人及分析預測等領域有許多應用。
在強化學習中，機器達到預期效果時會得到正強化，沒有達到預期結果時會得到負強化。
26.自編碼器(Autoencoder)
自編碼，又稱自編碼器(Autoencoder)，是神經網絡的一種，經過訓練後能嘗試將輸入複製到輸出。
27.前饋神經網絡(Feedforward Neural Network)
前饋神經網絡是第一種也是最簡單的人工神經網絡設計。在該網絡中，信息僅在一個方向上移動，從輸入節點向前移動，通過隱藏節點(如果有的話)移動到輸出節點。
28.模糊神經網絡(Neuro-Fuzzy | FNN)
模糊神經網絡是模糊理論同神經網絡相結合的產物，它彙集了神經網絡與模糊理論的優點，集學習、聯想、識別、信息處理於一體。
29.自組織映射(Self-Organization Map | SOM)
自組織神經網絡SOM是基於無監督學習方法的神經網絡的一種重要類型。
它能夠通過其輸入樣本學會檢測其規律性和輸入樣本相互之間的關係，並且根據這些輸入樣本的信息自適應調整網絡，使網絡以後的響應與輸入樣本相適應。
30.K均值聚類(K-Means Clustering)
K均值聚類算法是先隨機選取K個對象作爲初始的聚類中心，然後計算每個對象與各個種子聚類中心之間的距離，把每個對象分配給距離它最近的聚類中心。
31.反向傳播算法(Backpropagation)
BP算法(即反向傳播算法)是在有導師指導下，適合於多層神經元網絡的一種學習算法，它建立在梯度下降法的基礎上。
32.聚類分析(Cluster Analysis)
聚類分析指將物理或抽象對象的集合分組爲由類似的對象組成的多個類的分析過程。
33.集成學習(Ensemble Learning)
集成學習是使用一系列學習器進行學習，並使用某種規則把各個學習結果進行整合從而獲得比單個學習器更好的學習效果的一種機器學習方法。一般情況下，集成學習中的多個學習器都是同質的”弱學習器”。
34.支持向量機(Support Vector Machine | SVM)
支持向量機把分類問題轉化爲尋找分類平面的問題，並通過最大化分類邊界點距離分類平面的距離來實現分類。
SVM可以解決高維問題，也能夠解決小樣本下機器學習問題。
35.決策樹(Decision Tree)
決策樹算法採用樹形結構，使用層層推理來實現最終的分類。
決策樹通常由根節點、內部節點、葉節點三個元素構成，ID3、C4.5、CART是決策樹常用的三種典型算法。
36.邏輯迴歸(Logistic Regression)
邏輯迴歸是用於處理因變量爲分類變量的迴歸問題，常見的是二分類或二項分佈問題，也可以處理多分類問題，它實際上是屬於一種分類方法，用來表示某件事情發生的可能性。
37.樸素貝葉斯(Naive Bayes Classifier)
樸素貝葉斯算法(NBC) 是應用最爲廣泛的分類算法之一。NBC假設了數據集屬性之間是相互獨立的，常用於文本分類。
38.線性迴歸(Linear Regression)
線性迴歸是處理迴歸任務最常用的算法之一。該算法的形式十分簡單，它期望使用一個超平面擬合數據集(只有兩個變量的時候就是一條直線)。
39.機器學習(Machine Learning)
機器學習專門研究計算機怎樣模擬或實現人類的學習行爲，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。