Neural network 如何使用神经网络来决定在一个房间里摆放什么样的家具和多少件家具?

Neural network 如何使用神经网络来决定在一个房间里摆放什么样的家具和多少件家具?,neural-network,deep-learning,Neural Network,Deep Learning,我正在研究一些关于房间设计的问题。我得到了很多房间设计样本,并希望通过研究这些样本来制作新的设计。第一个问题是决定在一个房间里摆放什么样的家具和多少家具 对于一个特定的设计样本,我知道它的房间功能,例如卧室或客厅。我还可以数一数这个房间里不同种类的家具的数量,比如一张沙发、一张茶几和两把椅子 我建立了一个神经网络,它的输入是房间功能的一个热编码,输出是一个向量,表示房间中不同类别的家具数量。因此,该网络可以通过监督学习进行训练。然而,神经网络的问题在于,对于固定的输入,它只能给出固定的输出,也就

我正在研究一些关于房间设计的问题。我得到了很多房间设计样本,并希望通过研究这些样本来制作新的设计。第一个问题是决定在一个房间里摆放什么样的家具和多少家具

对于一个特定的设计样本,我知道它的房间功能,例如卧室或客厅。我还可以数一数这个房间里不同种类的家具的数量,比如一张沙发、一张茶几和两把椅子

我建立了一个神经网络,它的输入是房间功能的一个热编码,输出是一个向量,表示房间中不同类别的家具数量。因此,该网络可以通过监督学习进行训练。然而,神经网络的问题在于,对于固定的输入,它只能给出固定的输出,也就是说,对于功能相同的房间,它总是给出相同的家具编号。有没有办法将随机变量引入神经网络


我曾经遇到过以下问题和答案所建议的论文,但在我看来,论文中提到的随机神经网络看起来像概率图形模型,不像大多数神经网络,它们可以很容易地通过Torch或Tensorflow等深度学习库实现

使用滑动窗口方法,使用普通神经网络可以计算场景中的对象数量:

这里使用回归器和分类网络。分类网络像您一样使用一个热编码进行训练。回归器用于查找对象边界。本文通过分类网络的输出惩罚回归网络来实现这一点。然后使用回归网络生成的对象边界预测场景中的对象

编辑:上面的回答解决了一个不同的问题


我要做的是基于生成性对抗网络()的方法。我会在输入中加入随机变量向量,将随机元素引入网络。生成器根据输入向量和随机输入生成一个新的房间评估,而鉴别器根据输出和输入(不含随机分量)区分好的分配和坏的分配。这应该会收敛到一个生成器,您可以使用一个随机变量控制输出

对不起,你可能误解了我的意思。我已经编辑了问题的标题。当我提出一个新的设计要求时,我实际上想决定我应该在一个场景中放置什么样的家具和多少样的家具,说“请为我设计一个客厅”谢谢,你的想法正是有条件的生成对抗网络。我要试一试。