R语言和深度学习

   
+ 

深度学习（Deep Learning）是机器学习（MachineLearning）研究中的一个很新很热门的领域，是人工智能（Artificial Intelligence）的新浪潮。自2006年来，加拿大的多伦多大学（Universityof Toronto），蒙特利尔大学（University of Montreal）和美国的纽约大学（New York University），斯坦福大学（StanfordUniversity）等学术界，谷歌、微软、IBM、百度等工业界投入大量资源进行深度学习技术研发，在图像、语音、自然语言、在线广告等领域取得了显著的进展。

Deep Learning的学习资源有很多，在http://deeplearning.net/网站上，Deep Learning的算法实现有Matlab和Python版本的资源。R语言这两年随着大数据的发展也迅速火爆，尤其是其开源的Package，是大数据分析和挖掘的瑞士军刀。但是R语言在Deep Learning方面尚缺少资源，现整理至今为止已有的R语言进行Deep
Learning研究的资料，供大家学习。

1.     
darch

http://cran.um.ac.ir/web/packages/darch/index.html

Darch 是建立于Hinton和 Salakhutdinov的Matlab代码之上的，其实现方法基于Hinton两篇经典之作"A fast learning algorithm for deep
beliefnets" (G. E. Hinton, S.
Osindero, Y. W.
Teh) 和"Reducingthe dimensionality of data with neural networks" (G. E. Hinton, R. R.Salakhutdinov)。该方法包括了对比散度的预训练和众所周知的训练算法（如反向传播法或共轭梯度法）的细调。

2.     
deepnet

http://cran.r-project.org/web/packages/deepnet/index.html

Deepnet ​实现了一些Deep Learning结构和Neural Network相关算法，包括BP，RBM训练，Deep Belief Net，Deep Auto-Encoder。作者称后续有时间会继续实现CNN和RNN算法等。

3.     
Rdbn

https://github.com/dankoc/Rdbn

Rdbn实现R环境的RBMs和DBNs的训练和学习。但目前还不能使用Rdbn，只能在github上参考。作者说正在测试和优化，要等排查完bug才能上CRAN，我也同样很期待这个包的上架。