按照模型训练方式不同分：

1、监督学习算法：

1）人工神经网络类：反向传播、波尔兹曼机、卷积神经网络、Hopfield网络、多层感知器、径向基函数网络、受限波尔兹曼机、回归神经网络、自组织映射、尖峰神经网络等。

2）贝叶斯类：朴素贝叶斯、高斯贝叶斯、多项朴素贝叶斯、平均-依赖性评估、贝叶斯信念网络、贝叶斯网络等。

3）决策树类：分类和回归树、C4.5算法、C5.0算法、卡方自动交互检测、决策残端、ID3（Iterative Dichotomiser3）算法、随机森林、SLIQ等。

4）线性分类器类：Fisher的线性判别、线性回归、逻辑回归、多项逻辑回归、朴素贝叶斯分类器、感知、支持向量机等。

2、无监督学习算法：

1）人工神经网络类：生成对抗网络、前馈神经网络、逻辑学习机、自组织映射等。

2）关联规则学习类：先验算法、Eclat算法、FP-Growth算法等。

3）分层聚类算法：单连锁聚类、概念聚类等。

4）聚类分析：BIRCH算法、DBSCAN算法、期望最大化、模糊聚类、K-means算法、K均值聚类、K-medians聚类、均值漂移算法、OPTICS算法等。

5）异常检测类：K最邻近算法、局部异常因子算法等。

3、半监督学习算法：

生成模型、低密度分离、基于图形的方法、联合训练等。

4、强化学习算法：

Q学习、状态-行动-奖励-状态-行动、DQN、策略梯度算法、基于模型强化学习、时序差分学习等。

5、深度学习算法：

深度信念网络、深度卷积神经网络、深度递归神经网络、分层时间记忆、深度波尔兹曼机、栈式自动编码器、生成对抗网络等。

6、第四代AI是“人工直觉”，使用计算机在无需告知的前提下，识别威胁和机会，就像人类的直觉，能够让我们在无需特别指示下，做出决策。这类似于经验丰富的侦探，他们，可以进入犯罪现场，并立即知道某些事情似乎不对劲，或者是经验丰富的投资人，可以比其他人，先发现趋势。

其他算法系统

1. 合并排序、快速排序与堆排序

数据挖掘、人工智能等网络上，常见的现代计算工具。

2. 傅利叶变换与快速傅利叶变换

整个数字世界，都在使用这算法-----能够将信号从时域转换为频域，反之亦然。

3. 迪杰斯特拉算法（又译戴克斯特拉算法）

这种图搜索算法，具有多种应用方式，能够将需要解决的问题建模为图，并在其中找到两个节点间的最短路径。

4.人工智能的核心----算法和数据，都存在着潜在的安全问题，这会导致人工智能决策的风险。

1）算法设计或实施有误，可产生与预期不符甚至伤害性结果；算法潜藏的偏见和歧视，导致决策结果可能存在不公；算法黑箱导致人工智能决策不可解释，引发监督审查困境；含有噪声或偏差的训练数据，可影响算法模型准确性；对抗样本攻击，可诱使算法识别，出现误判漏判，产生错误结果。

2）强化标准引领，构建安全评估体系；让人工智能变得安全，例如：利用半监督学习算法、强化学习算法----生成模型、低密度分离、基于图形的方法、联合训练、状态-行动-奖励-状态-行动等算法……在给定的环境下，如果人工智能做出正确行为，就给予奖励。人工智能系统，可以逐渐学会如何追逐奖励，通过更好地解释人工的评判，来学会达成目标。这样的算法，会调整人工智能自身的行为，并不断寻求人工的认同。

3）加密算法与量子计算机：RSA 算法与秀尔算法（舒尔算法）。

5. 安全哈希算法

这个算法家族，对于世界秩序的维持，起到了至关重要的作用。从应用程序商店、电子邮件到防病毒软件，再到常用的网络浏览器，都使用这类算法，用以确定你所下载的，是否是你希望获得的，或者你是否已成为中间人攻击或者网络钓鱼攻击的受害者。

6. 整数分解

这是一种在计算领域被大量采用的数学算法，例如：RSA 算法。

7. 链接分析

是大众眼中最神秘，也最难以理解的算法之一。我们可以通过多种不同方法，来实现链接分析。其底层基础，高度相似，多种特征的存在，又使得每种算法间，存在着一定差异。

谷歌公司的网页排名，Facebook发布的新闻提要，Google+ 与 Facebook的好友推荐，LinkedIn 的工作岗位与联系人推荐，Netflix 与 Hulu 的影视关联、YouTube 的相关视频……皆属于这一类。虽然，各自拥有不同的目标与参数组合，但他们背后的数学原理，却是相通的。

8. 比例微积分算法

1）被飞机、汽车、卫星服务、手机网络与机器人设备等领域，大量采用。

2）该算法，旨在利用控制回路反馈机制，以最大程度控制，期望输出信号与实际输出信号间的误差；适用一切存在信号处理需求的场景，包括，以自动化方式通过电子技术控制的机械、液压或者热力系统。

9. 万事万物都离不开的数据压缩算法

1）文件压缩：zip、mp3、JPEG 以及 MPEG-2等算法。

2）网页，利用数据压缩技术，控制下载文件的体积。

3）游戏、视频、音乐、数据存储、云计算以及数据库等，利用数据压缩算法，压缩数据。

10. 随机数生成算法

广泛被应用于互联链接、加密、安全哈希算法、视频、游戏、人工智能、优化、问题条件初始化以及财务等领域。

零基础学习心理学与人工智能