基于卷积神经网络的图像分类算法综述：伪随机数的困境

十八、伪随机数的诅咒 很多书介绍了计算机生成的随机数都不是真正意义上的随机数这个问题，而且还详细讲 明伪随机数会带来很多可能的危害。这个问题的确不可忽视，但我们也不要杞人忧天。以我 们现在的技术水平，要想生成比 Matlab 更“真”的随机数基本不可能，所以，不要花太多 时间在此方面。我建议注意以下两点： 1．由于同一台机器生成的随机数的模式固定，且有一定的规律，所以可以在一台机器 上长时间运行同一个程序，以此来测试此程序的稳健性。因为程序中可能有些很微小的错误 需要运行很长一段时间、落入某个特殊“陷阱”时才能显现。 2．不同机器随机数生成的机制会有差别，所以可以将同一套程序在多台配置不同的机 器上运行，如果不同机器上得到的结果差不多，说明此程序质量很好，不受特定的随机数生 成机制影响；否则，如果结果悬殊，则证明你的程序很可能有问题。 第三章：随机过程模拟 讲课人：Xaero Chang | 课程主页: http://macro2.org/notes/intro2mc 我们不可能确切知道未来经济变量——如，股票价格、收益率、债券利率、汇率等 等——确切走势，一般我们采用与布朗运动有关的随机过程来描述这些变量的未来趋 势。这里我们遇上的问题就是如何用计算机代码来描述这些随机的运动。 注意：这里只讲基于布朗运动的一维随机过程，它是学习其他深层次知识的基础。 基于布朗运动的随机过程是连续的，我们如何使用它们呢？依据计算任务的不同，一般 分为如下这些情况：如果金融产品价格只基于到期日时标的资产价格，那么我们只需要由随 机过程推导出标的资产在到期日价格的分布，然后用 Monte Carlo 方法，例如欧式期权就是 此类；如果金融产品价格基于在到期日前标的资产在离散时间点上的市场价格，我们就用随 机过程推导在每个盯市时间点上标的资产的价格的分布，然后用 Monte Carlo 方法计算，例 如离散时间盯市的亚式期权；如果金融产品价格基于在到期日前标的资产在连续时间内的市 场价格，这种情况比较麻烦，详见下一段。 由于我们不可能将时间无限细分，所以我们无法用计算机直接模拟连续情况下的随机过 程，一般的做法都是将连续时间近似看做离散时间的版本。例如要用 Monte Carlo 方法计算 连续时间盯市的亚式期权，我们只能将其转化为离散时间盯市的亚式期权。这一步转化必然 要带来误差，这一误差不可避免，但随着离散化时将盯市时间间隔区段越短，所得结果越精 确，当然计算时间也越长。具体将区段划分到何种程度，以及转化的误差有多大，可以用复 杂的数学方法进行分析，这里推荐的一个简单的办法是，用不同长度的时间间隔区段分别做