基于总和的随机舍入算法中的位对齐。随机位被添加到有效位mt，随后被截断。这些位如何产生和相加取决于实现方式——我们可以只将k位添加到有效位底部的前k位，然后在截断后使用进位来控制mr的舍入，或者我们可以将k个随机位打包成一个长度为mt的字，并使用整数运算将其添加到mt:传播进位将导致t op p位的舍入。鸣谢:英国皇家学会开放科学(2022)。来自美国、英国和法国的一小组研究人员对在某些计算机应用中使用随机舍入(SR)来减少停滞的可能性进行了新的研究。在他们发表在皇家学会开放科学杂志上的论文中，该小组描述了他们在机器学习等应用中调查SR使用的方法。最常见的方法是将小于某个值的数字向下舍入，而将大于该值的数字向上舍入。例如，将3.4向下舍入到3，将3.7向上舍入到4。这里，舍入值是0.5。在这种情况下，落在舍入值上的数字是随机选择的。在这个例子中，3.5可以向上或向下舍入，这取决于进行舍入的人或计算机的突发奇想。计算机在处理π这样的无限表达式时，也必须进行舍入运算。对于人类来说，向上或向下取整可能是一个有用的快速估计工具——例如，将购物车中所有商品的价格相加，以确保在结账时手头有足够的现金。舍入对计算机也很有用，因为它允许用数学常数(如π)进行计算，但它也带来了一个问题——停滞。
对于计算机，当小数量的长和(如0.1)因四舍五入而丢失时，就会出现停滞。在一般应用中，有许多方法可以解决这个问题，但是停滞是机器学习应用的一个主要问题。在这项新的努力中，研究人员正在寻找在这种应用中使用SR的可能性。
SR是计算机的一种舍入方法，已经存在了半个多世纪，但使用有限。使用SR的程序使用基于与给定数字的距离的概率对该数字进行舍入。例如，数字2.6有60%的机会被舍入到3，有40%的机会被舍入到2。研究人员指出，这样的概率是可以使用的，因为它们是“一路”到目标数字的百分比。比如2.6，在通往3的路上是60%。在SR中，中点被认为同样可能被向上或向下舍入。在这种情况下，方向仍然被认为是随机的。研究人员认为，使用这种方法可以防止舍入过于频繁地向同一方向进行，并有助于避免停滞。当然，问题是大多数计算机系统缺乏真正的随机数生成器。为了克服这个问题，研究人员建议使用多种类型的舍入。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
