我正在研究房间设计方面的一些问题。我有很多房间设计样本，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出现什么样的家具和多少家具。
对于特定的设计样本，我知道它的房间功能，例如卧室或客厅。我还可以算一下这个房间里不同类别家具的数量，比如一张沙发，一张茶几和两把椅子。
我构建了一个神经网络，其输入是房间功能的单热编码，其输出是一个向量，表示该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，对于固定输入，它只能提供固定的输出，也就是说，对于功能相同的房间，它总是会给出相同的家具编号。有没有办法将随机引入神经网络？
我曾经遇到过以下问题https://www.quora.com/What-is-a-stochastic-neural-network-and-how-does-it-differ-from-a-deterministic-one和答案所提出的论文http://www.cs.toronto.edu/~tang/papers/sfnn.pdf，但与大多数神经网络不同，该论文中提到的随机神经网络看起来像概率图形模型这可以通过像Torch或Tensorflow这样的深度学习库轻松实现。
答案 0 :(得分：1)
使用普通神经网络使用滑动窗口方法计算场景中对象的数量：https://arxiv.org/pdf/1312.6229.pdf。
这里使用了回归器和分类网络。分类网络使用单热编码进行训练。回归量用于查找对象边界。在本文中，这是通过分类网络的输出惩罚回归网络来完成的。然后，回归网络生成的对象边界用于预测场景中的对象。
编辑：上面的回答解决了另一个问题。
我要做的是基于生成对抗网络（http://papers.nips.cc/paper/5423-generative-adversarial-nets.pdf）的方法。我会在输入中添加随机变量的向量，以将随机元素引入网络。生成器基于输入向量和随机输入生成新的房间评估，而鉴别器基于输出和没有随机分量的输入来区分良好的分配和不良的分配。这应该收敛到您的单热编码的生成器，您可以使用随机变量控制输出。