文献

J-GLOBAL ID：202202279430032755   整理番号：22A1153383

DeepCM:データベースコストモデルの精度予測を改善するための深層ニューラルネットワーク【JST・京大機械翻訳】

DeepCM: Deep neural networks to improve accuracy prediction of database cost models

著者 (3件)： Ouared Abdelkader (Ibn Khaldoun University (UIK), Tiaret, Algeria) ,  Chadli Abdelhafid (Ibn Khaldoun University (UIK), Tiaret, Algeria) ,  Daoud Mohamed Amine (Higher National School of Computer Sciences, Oued Smar, Algeria)
資料名： Concurrency and Computation: Practice & Experience  (Concurrency and Computation: Practice & Experience)
巻： 34  号： 10  ページ： e6724  発行年： 2022年 
JST資料番号： W2542A  ISSN： 1532-0626  資料種別： 逐次刊行物 (A)
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： 入院制御,質問スケジューリング,進捗監視および自己駆動データ記憶システムを含む多くのデータベース管理タスクに対する主要な課題は,データベースコストモデルとして知られる計算モデルに基づくクエリ性能を強化することである。正確なデータベースコストモデルを開発する最も挑戦的な側面の1つは,それらのパラメータを同定し,それらの関係を把握することであり,その結果,与えられたプラットフォームにホストされた特定のデータベースに基づいて,質問実行コストを導出できる。さらに,高動的作業負荷(即ち,質問の集合)とクエリ実行変動は性能劣化リスクをもたらし,従って,コストモデルは新しいソフトウェア構成と将来の作業負荷特性を考慮することによって改善する必要がある。本論文では,不確実性パラメータに対するロバストなデータベースコストモデルを構築するための最小-最大最適化に基づく深いCMと呼ばれるフレームワークを提案した。さらに,このフレームワークは,ソフトウェア構成と作業負荷特性からの変化に関係なく高精度を保証するデータベースコストモデルを構築するためのロバスト深層ニューラルネットワークに基づいている。製造コストモデルと発見のロバスト性を評価するためにいくつかの実験を行い,深いCMが,高いコストモデル予測精度と安定した性能を提供することを示した。Copyright 2022 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  作業負荷 ,  質問 ,  スケジューリング ,  製造原価 ,  *データベース ,  不確実性 ,  *モデル ,  ソフトウェア ,  ロバスト性 ,  計算モデル
準シソーラス用語： *コストモデル ,  予測精度 ,  クエリー ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： データベースコストモデル ,  深層学習 ,  深層ニューラルネットワーク ,  質問性能

分類 (2件)： データベースシステム  (JD03030U) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： データベース ,  コストモデル ,  予測 ,  深層ニューラルネットワーク