0310680 - ÚI 2009 RIV US eng J - Článek v odborném periodiku
Savický, Petr - Robnik-Šikonja, M.
Learning Random Numbers: A Matlab Anomaly.
[Učení náhodných čísel: anomálie v Matlabu.]
Applied Artificial Intelligence. Roč. 22, č. 3 (2008), s. 254-265. ISSN 0883-9514. E-ISSN 1087-6545
Grant CEP: GA AV ČR 1ET100300517
Výzkumný záměr: CEZ:AV0Z10300504
Klíčová slova: random numbers * machine learning * classification * attribute evaluation * regression
Kód oboru RIV: BA - Obecná matematika
Impakt faktor: 0.795, rok: 2008

The paper describes how dependencies between random numbers generated with some popular pseudorandom number generators can be detected using general purpose machine-learning techniques. This is a novel approach, since usually pseudo-random number generators are evaluated using tests specifically designed for this purpose. Such specific tests are more sensitive. Hence, detecting the dependence using machine-learning methods implies that the dependence is indeed very strong. The most important example of a generator, where dependencies may easily be found using our approach, is MATLAB’s function rand if the method state is used. This method was the default in MATLAB versions between 5 (1995) and 7.3 (2006b), i.e., for more than 10 years. In order to evaluate the strength of the dependence in it, we used the same machine-learning tools to detect dependencies in some other random number generators, which are known to be bad or insufficient for large simulations.

Článek popisuje, jak mohou být v některých známých generátorech náhodných čísel detekovány závislosti pomocí obecných nástrojů strojového učení. Jde o nový přístup, protože pseudonáhodné generátory jsou obvykle posuzovány pomocí testů specificky určených pro tento účel. Tyto specifické testy jsou citlivější, proto možnost detekce závislostí pomocí metod strojového učení implikuje, že jde o velmi silné závislosti. Nejdůležitější příklad generátoru, ve kterém lze závislosti snadno najít pomocí našeho přístupu, je funkce rand v MATLAB, pokud je použita metoda state. Tato metoda byla výchozí metodou ve verzích MATLAB mezi 5 (1995) a 7.3 (2006b), tedy více než 10 let. Pro posouzení síly této závislosti jsme použili stejné nástroje strojového učení k detekci závislostí v dalších generátorech, o kterých je známo, že jsou špatné nebo nedostatečné pro rozsáhlejší simulace.
Trvalý link: http://hdl.handle.net/11104/0162468