文献

J-GLOBAL ID：202002245756795784   整理番号：20A1795098

結合順序数え上げのための深層強化学習【JST・京大機械翻訳】

Deep Reinforcement Learning for Join Order Enumeration

著者 (2件)： Marcus Ryan (Brandeis University) ,  Papaemmanouil Olga (Brandeis University)
資料名： ACM Proceedings  (ACM Proceedings)
号： aiDM’18  ページ： 1-4  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ジョイン順序選択は,質問性能において重要な役割を果たす。しかし,現代の問い合わせ最適化者は,通常,得られた計画の品質に関するフィードバックを取り入れない静的結合次数計数アルゴリズムを採用する。したがって,最適化者は,しばしば同じ悪い計画を繰り返し選択し,それらは,「それらの誤りからの学習」のための機構を持たない。ここでは,この課題に取り組むために,深層強化学習技法を適用できることを論じた。人工ニューラルネットワークにより駆動されるこれらの技法は,フィードバックを組み込むことにより,最適化者意思決定を自動的に改善できる。この目標に向けて,ReJOIN,概念実証結合列挙者,および予備結果を提示し,ReJOINが計画品質および結合計数効率に関してPostgreSQL最適化者を整合または凌ぐことを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  意思決定 ,  *学習 ,  ニューラルネットワーク ,  結合次数
準シソーラス用語： ジョイン ,  *深層強化学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： クエリー最適化 ,  深層学習 ,  結合順序づけ

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (1件)： 深層強化学習