Я давно хотел поэкспериментировать с нейронной сетью для решения проблемы классификации, с которой я столкнулся. Я столкнулся с бумагами, которые говорят о УКР. Но из того, что я могу понять, они ничем не отличаются от наличия многослойной нейронной сети. Это точно?
Более того, я работаю с R и не вижу никаких готовых пакетов для RBM. Я наткнулся на литературу, в которой говорится о сетях глубокого обучения, которые в основном представляют собой многоступенчатые RBM, но не уверен, стоит ли усилий по их внедрению в R. У кого-нибудь есть указания? Благодарность
Ответы:
Прежде всего, RBM, безусловно, отличаются от обычных нейронных сетей, и при правильном использовании они достигают гораздо лучшей производительности. Кроме того, обучение нескольких слоев RBM, а затем использование найденных весов в качестве отправной точки для многоуровневого NN часто дает лучшие результаты, чем простое использование многоуровневого NN.
Лучший указатель, который я могу придумать, - это курс Coursera, который проводит Джеффри Хинтон, один из людей, ответственных за УОКР:
https://class.coursera.org/neuralnets-2012-001/class/index
видео на RBMs и Denoising Autoencoders являются ценным учебным ресурсом для всех, кто интересуется этой темой.
Что касается реализации в R, я тоже не знаю, но если вы хотите реализовать ее, лучше не использовать чистый R (если ваши данные не слишком большие). Обучение RBM занимает довольно много времени, и если вы используете чистый R вместо R с C, он может значительно возрасти.
источник
В R вы можете использовать нейронную сеть и RSNNS (который предоставляет интерфейс для симулятора нейронной сети Штутгарта ) для соответствия стандартным многослойным нейронным сетям, но есть различия в RBM.
Что касается реализации глубоких нейронных сетей в R, я думаю, что единственной целесообразной стратегией было бы объединение существующих реализаций FOSS, что, как правило, является гораздо лучшим решением, чем просто повторная реализация вещей самостоятельно (я никогда не понимал, почему всем нужно изобретать велосипед). R предлагает множество функциональных возможностей для этого, и вы можете использовать обработку данных R вместе со скоростью и готовыми к использованию аспектами существующих решений. Например, можно связать MDP с возможностями взаимодействия Python / R, см., Например, этот документ .
Редактировать: Эндрю Ландграф из Статистически значимых предоставляет код R для RBM .
источник