制限付きボルツマンマシンと多層ニューラルネットワーク

私が直面している分類問題について、ニューラルネットワークで実験したいと思っていました。RBMについての論文に出くわしました。しかし、私が理解できることから、それらは多層ニューラルネットワークを持つことと違いはありません。これは正確ですか？

さらに、私はRで働いていますが、RBMの缶詰パッケージは見ていません。私は基本的にスタックされたRBMであるディープラーニングネットワークについて話している文献に出会いましたが、Rでそれらを実装する努力の価値があるかどうかはわかりません。ありがとう

まず第一に、RBMは通常のニューラルネットとは確かに異なり、適切に使用するとパフォーマンスが大幅に向上します。また、RBMのいくつかのレイヤーをトレーニングし、見つかった重みをマルチレイヤーNNの開始点として使用すると、単にマルチレイヤーNNを使用するよりも良い結果が得られることがよくあります。

私が考えることができる最良の指針は、RBMの責任者の一人であるGeoffrey Hintonが教えているCourseraのこのコースです。

https://class.coursera.org/neuralnets-2012-001/class/index

RBMとDenoising Autoencodersのビデオは、トピックに興味がある人にとって貴重な学習リソースです。

Rでの実装については、どちらもわかりませんが、実装したい場合は、純粋なRを使用しない方がよいでしょう（データが大きくない限り）。RBMのトレーニングには非常に長い時間がかかり、CでRの代わりに純粋なRを使用すると、大幅に成長する可能性があります。

Rでは、使用することができますneuralnetとRSNNS（へのインタフェースを提供シュトゥットガルトニューラルネットワークシミュレータを標準多層ニューラルネットワークに合わせて）が、RBMに違いがあります。

ディープニューラルネットをRに実装することに関して、価値のある戦略は既存のFOSS実装をインターフェースすることだけだと思います。これは通常、自分で物事を再実装するよりもはるかに優れたソリューションです（誰もが車輪を再発明する必要がある理由はよくわかりません）。Rはこれを行うための多くの機能を提供し、既存のソリューションの高速ですぐに使用できる側面でRのデータ処理を活用できます。たとえば、MDPをPython / Rインターフェイス機能とインターフェイスさせることができます。たとえば、このペーパーを参照してください。

編集： Statisticsly SignificantのAndrew Landgraf がRBMのRコードを提供しています。