算法是人工智能(AI)核心领域之一。
本文整理了算法领域常用的39个术语，希望可以帮助大家更好地理解这门学科。
本文为下半部分，上半部分见本账号上一篇文章。
19.迁移学习(Transfer Learning)
迁移学习是一种机器学习的方法，指的是一个预训练的模型被重新用在另一个任务中。
20.长短期记忆网络(LSTM)
LSTM是一种特殊的循环神经网络，能够学习长期依赖性。
21.生成对抗网络(GAN)
生成对抗网络(GAN, Generative Adversarial Networks )是一种深度学习模型，是最近两年十分热门的一种无监督学习算法。
生成对抗网络(GAN)由两个重要部分构成：生成器和判别器。
22.循环神经网络(RNN)
循环神经网络(Recurrent Neural Network, RNN)是一类以序列数据为输入，在序列的演进方向进行递归且所有节点(循环单元)按链式连接的递归神经网络。
23.卷积神经网络(CNN)
卷积神经网络(Convolutional Neural Networks, CNN)是一类包含卷积计算且具有深度结构的前馈神经网络(Feedforward Neural Networks)，是深度学习的代表算法之一。
典型的CNN由3个部分组成——卷积层、池化层、全连接层。
24.受限玻尔兹曼机(RBM)
受限玻尔兹曼机是一种可通过输入数据集学习概率分布的随机生成神经网络。受限玻兹曼机在降维、分类、协同过滤、特征学习和主题建模中得到了应用。
根据任务的不同，受限玻兹曼机可以使用监督学习或无监督学习的方法进行训练。
25.强化学习(Reinforcement Learning)
强化学习(Reinforcement Learning)，又称再励学习、评价学习，是一种重要的机器学习方法，在智能控制机器人及分析预测等领域有许多应用。
在强化学习中，机器达到预期效果时会得到正强化，没有达到预期结果时会得到负强化。
26.自编码器(Autoencoder)
自编码，又称自编码器(Autoencoder)，是神经网络的一种，经过训练后能尝试将输入复制到输出。
27.前馈神经网络(Feedforward Neural Network)
前馈神经网络是第一种也是最简单的人工神经网络设计。在该网络中，信息仅在一个方向上移动，从输入节点向前移动，通过隐藏节点(如果有的话)移动到输出节点。
28.模糊神经网络(Neuro-Fuzzy | FNN)
模糊神经网络是模糊理论同神经网络相结合的产物，它汇集了神经网络与模糊理论的优点，集学习、联想、识别、信息处理于一体。
29.自组织映射(Self-Organization Map | SOM)
自组织神经网络SOM是基于无监督学习方法的神经网络的一种重要类型。
它能够通过其输入样本学会检测其规律性和输入样本相互之间的关系，并且根据这些输入样本的信息自适应调整网络，使网络以后的响应与输入样本相适应。
30.K均值聚类(K-Means Clustering)
K均值聚类算法是先随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。
31.反向传播算法(Backpropagation)
BP算法(即反向传播算法)是在有导师指导下，适合于多层神经元网络的一种学习算法，它建立在梯度下降法的基础上。
32.聚类分析(Cluster Analysis)
聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。
33.集成学习(Ensemble Learning)
集成学习是使用一系列学习器进行学习，并使用某种规则把各个学习结果进行整合从而获得比单个学习器更好的学习效果的一种机器学习方法。一般情况下，集成学习中的多个学习器都是同质的”弱学习器”。
34.支持向量机(Support Vector Machine | SVM)
支持向量机把分类问题转化为寻找分类平面的问题，并通过最大化分类边界点距离分类平面的距离来实现分类。
SVM可以解决高维问题，也能够解决小样本下机器学习问题。
35.决策树(Decision Tree)
决策树算法采用树形结构，使用层层推理来实现最终的分类。
决策树通常由根节点、内部节点、叶节点三个元素构成，ID3、C4.5、CART是决策树常用的三种典型算法。
36.逻辑回归(Logistic Regression)
逻辑回归是用于处理因变量为分类变量的回归问题，常见的是二分类或二项分布问题，也可以处理多分类问题，它实际上是属于一种分类方法，用来表示某件事情发生的可能性。
37.朴素贝叶斯(Naive Bayes Classifier)
朴素贝叶斯算法(NBC) 是应用最为广泛的分类算法之一。NBC假设了数据集属性之间是相互独立的，常用于文本分类。
38.线性回归(Linear Regression)
线性回归是处理回归任务最常用的算法之一。该算法的形式十分简单，它期望使用一个超平面拟合数据集(只有两个变量的时候就是一条直线)。
39.机器学习(Machine Learning)
机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。