A Study on Various Deep Learning Algorithms with R

Abstract

오늘날 딥러닝은 생물정보학, 의료영상학, 금융공학, 컴퓨터 과학 등 거의 모든 분야에서 각광받고 있다. 대부분의 딥러닝 알고리즘은 Python으로 짜여져 있는데 이는 백엔드 텐서 계산방식이 Tensorflow를 기반으로 하기 때문이다. 그렇지만 최근 들어서는 통계 분야에서 더 활발하게 사용되는 R에서도 딥러닝의 구현이 가능하게 되었다. 이 논문에서는 R에서 사용할 수 있는 다양한 딥러닝 패키지를 소개하고 각 패키지의 사용법에 대한 가이드라인을 제공한다. 먼저, 딥러닝의 다양한 알고리즘을 간단히 소개하고 딥러닝 학습을 위한 최첨단 소프트웨어를 검토한다. 본 논문에서 소개할 R 패키지는 다음과 같다 – deepnet, NeuralNetTools, automl, autoencoder, keras, RcppDL, mxnet, h2o. 또한, 사용자들이 각 패키지의 기능을 쉽게 이해할 수 있도록 샘플코드를 제공하고 포르투갈의 은행 데이터를 활용하여 다양한 R 함수의 성능을 각각 비교하는 것으로 논문을 마무리한다.;In recent days, deep learning is getting more popular in almost every field, such as bioinformatics, medical images, finance, as well as computer science, and so on. Most software for the deep learning algorithms are written in Python, mainly because of Tensorflow in backend tensor calculation. Nowadays, the realization of deep learning is also possible in R, which is more popular in the statistics area. This paper provides a guideline for the users for deep learning with R among various R packages for deep learning. First, we briefly introduce various algorithms of deep neural networks and review state-of-art software for deep learning with R - deepnet, NeuralNetTools, automl, autoencoder, keras, RcppDL, mxnet, h2o. We also provide sample codes to help users better understand each function, and compare the performance of various R functions for deep neural networks with Portuguese bank marketing data.