判別某些由電腦程式所產生出的亂數其本身是否有特定之特徵行為一直是件有趣的事，另機器學習中的神經網路理論對處理分類問題是一個有效且熱門的工具。本篇論文以一系列公開的電腦亂數為標的，並且利用神經網路的理論，將四個不同網路架構的神經網路預測的結果做分類，訓練的演算法為倒傳遞演算法，我們發現此方式的確可增進預測之效能。

It is interesting to know the characteristic behavior of some computer-generated random numbers. The neural network theory is an effective and popular tool for dealing with classification problems. Therefore, we attempt to find out the regularity of some computer-generated random numbers and use this regularity to do the prediction. Here, the classification method is based on the backprogation algorithm. Finally, we find the prediction rate is imporved.

摘要 i
Abstract ii
目錄 iii
第一章 亂數與隨機漫步簡介 1
1.1 前言 1
1.2 隨機亂數 1
1.3 隨機漫步(Random Walk) 2
1.4 常態分布(Normal Distribution) 3
1.5 中央極限定理(Central Limit Theorem) 5
第二章 機器學習簡介 7
2.1 前言 7
2.2 人工智慧的歷史與分級 7
2.3 感知器(Perceptron) 8
2.4 網路架構 9
2.5 學習策略 10
2.6 線性分類例子 12
2.7 倒傳遞演算法(Backpropagation Algorithm) 14
第三章 研究方法 22
3.1 研究對象 22
3.2 數據的相關性 23
第四章 結果與討論 33
參考資料 34

[1]Sheldon Ross、林光賢，機率與導論，華泰(1995)。
[2]黃文隆、黃龍，機率論，蒼海(2008)。
[3]盧炳勳、曹登發，類神經網路理論與應用，全華(1992)。
[4]蘇木春、張孝德，機器學習:類神經網路、模糊系統以及基因演算法則，全華(2016)
[5]Margaret Rouse , Random numbers , https://whatis.techtarget.com/definition/random-numbers (2005).
[6]Richard E.Wilde, Surjit Singh, “Statistical Mechanics”, John Wiley&Sons, Inc.(1998).
[7]Yann LeCun, Yoshua Bengio, Geoffrey Hinton, “Deeping learning”, Nature, 521, (2015).
[8]“RandomWalk”, https://www.mit.edu/~kardar/teaching/projects/chemotaxis(AndreaSchmidt)/random.htm
[9]http://caipiao.163.com/award/cqssc/