无监督神经网络算法：SOM、稀疏编码、自编码器等

无监督神经网络算法包括：

自组织映射 (Self-Organizing Map，SOM)：一种用于聚类和降维的神经网络算法，通常用于数据可视化和数据挖掘。
稀疏编码 (Sparse Coding)：一种通过学习数据的稀疏表示来实现特征提取的无监督算法。
自编码器 (Autoencoder)：一种神经网络模型，能够自动学习输入数据的特征表示，通常用于降维和特征提取。
深度信念网络 (Deep Belief Network，DBN)：一种由多个受限玻尔兹曼机 (Restricted Boltzmann Machine，RBM) 组成的神经网络模型，能够自动学习数据的特征表示和概率模型。
受限玻尔兹曼机 (Restricted Boltzmann Machine，RBM)：一种生成模型，能够自动学习数据的特征表示和概率模型，常用于降维和特征提取。
因子分析 (Factor Analysis)：一种用于降维和特征提取的概率模型，通常用于分析多个变量之间的关系。