Learning Random Numbers: A Matlab Anomaly

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F08%3A00310680" target="_blank" >RIV/67985807:_____/08:00310680 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Learning Random Numbers: A Matlab Anomaly

Original language description

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 ofa 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.

Czech name

Učení náhodných čísel: anomálie v Matlabu

Czech description

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 určenýchpro 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 detekcizávislostí v dalších generátorech, o kterých je známo, že jsou špatné nebo nedostatečné pro rozsáhlejší simulace.

Type

J_x - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

CEP classification

BA - General mathematics

OECD FORD branch

—

Project

<a href="/en/project/1ET100300517" target="_blank" >1ET100300517: Methods for Intelligent Systems and Their Applications in Datamining and Natural Language Processing</a><br>

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)

Publication year

2008

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

Applied Artificial Intelligence

ISSN

0883-9514

e-ISSN

—

Volume of the periodical

22

Issue of the periodical within the volume

3

Country of publishing house

US - UNITED STATES

Number of pages

12

Pages from-to

—

UT code for WoS article

000254579900005

EID of the result in the Scopus database

—