+ 
深度学习（Deep Learning）是机器学习（Machine Learning）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（University of 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（Stanford University）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 belief nets" (G. E. Hinton, S. Osindero, Y. W. Teh) 和"Reducing the 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。