Кафедра системного проектування (СП)
Постійне посилання на фонд
Переглянути
Перегляд Кафедра системного проектування (СП) за Ключові слова "004.021"
Зараз показуємо 1 - 1 з 1
Результатів на сторінці
Налаштування сортування
Документ Відкритий доступ Адаптивна індексна структура бази даних для точкового пошуку за допомогою підходів машинного навчання(2018) Михалько, Віталій Геннадійович; Петренко, Анатолій ІвановичЗагальний обсяг роботи: 82 сторінки, 16 ілюстрацій, 30 таблиць, перелік посилань із 31 найменування. Актуальність теми. Внаслідок стрімкого зростання обсягів даних, використання традиційних підходів для пошуку інформації у цих даних стає неефективним. Більшість індексних структур, які використовуються для пошуку, були розроблені доволі давно та не враховують реальні розподіли даних. Темою дослідження є застосування методів машинного навчання для побудови нового класу індексних структур для точкового пошуку, що будуть враховувати особливості даних. Зважаючи на те, що такі структури є адаптивними, вони можуть бути значно ефективнішими з точки зору використання пам’яті. Мета та задачі дослідження. Метою даної роботи є пошук шляхів побудови більш ефективних індексних структур за допомогою підходів машинного навчання. Задачею дослідження є реалізація адаптивної індексної структури для точкового пошуку, що враховує розподіл даних та показує кращі результати по використанню пам’яті в порівнянні з класичними індексними структурами. Вирішення поставлених завдань та досягнуті результати Було запропоновано два типи адаптивних індексних структур для точкового пошуку з використанням підходів машинного навчання. Одна з них працює на основі лінійної регресії, а інша на основі нейронної мережі з одним прихованим шаром. Роботу зазначених адаптивних індексних структур було апробовано на двох наборах даних. На одному з них вони показали значно кращі результати по ефективності використання пам’яті в порівнянні з класичними альтернативами, а другому наборі результати виявились дещо гіршими. Об’єкт дослідження. Індексні структури в базах даних. Предмет дослідження. Методи машинного навчання для побудови адаптивних індексних структур для точкового пошуку. Методи дослідження. Досліджується використання лінійної регресії та нейронних мереж для вирішення задачі вивчення розподілу даних. Розроблене рішення використовує сучасні підходи машинного навчання, методи покращення точності, а також бібліотеки для тренування і застосування моделей. Наукова новизна. В даній роботі, на відміну від попередніх, для побудови адаптивних індексних структур були використані інші моделі машинного навчання, які є більш простими та ефективними в плані обчислень. Зокрема, були використані лінійна регресія та нейронна мережа з одним прихованим шаром. В цілому, адаптивні індексні структури, побудовані на базі цих моделей моделей, є більш ефективними внаслідок меншого ступеня складності. Але, з іншого боку, вони гарно працюють не на всіх розподілах даних. Практичне значення одержаних результатів. Розроблені індексні структури показують більш ефективне використання пам’яті на деяких наборах даних, тому, за умови подальшого вдосконалення, вони можуть бути інтегровані у сучасні бази даних. Крім цього, отримані результати підтверджують загальну ідею доцільності використання машинного навчання для заміни класичних індексних структур.