现有的索引选择方法存在诸多局限性.首先,大多数方法考虑场景较为单一,不能针对特定数据模态选择合适的索引结构,进而无法有效应对海量多模态数据;其次,现有方法未考虑索引选择时索引构建的代价,无法有效应对动态的工作负载.针对上述问...现有的索引选择方法存在诸多局限性.首先,大多数方法考虑场景较为单一,不能针对特定数据模态选择合适的索引结构,进而无法有效应对海量多模态数据;其次,现有方法未考虑索引选择时索引构建的代价,无法有效应对动态的工作负载.针对上述问题,提出一种面向多模态数据的智能高效索引选择模型APE-X DQN(Distributed prioritized experience replay in deep Q-network),称为AP-IS(APE-X DQN for index selection).AP-IS设计了新型索引集编码和SQL语句编码方法,该方法使AP-IS在感知多模态数据的同时兼顾索引结构本身的特性,极大地降低了索引的存储代价.APIS集成新型索引效益评估方法,在优化强化学习奖励机制的同时,监控数据库工作负载的执行状态,保证动态工作负载下AP-IS在时间和空间上的优化效果.在真实多模态数据集上进行大量实验,验证了AP-IS在工作负载的延迟、存储代价和训练效率等方面的性能,结果均明显优于最新索引选择方法.展开更多
快速求解系统负荷能力极限是在线评估电力系统电压稳定性的基本要求。提出一种用于离线拟合并在线预测负荷能力极限的SIPSS-Lasso-BP网络。该网络由基于电网状态相似度指标(similarity index of power system state,SIPSS)的样本筛选方...快速求解系统负荷能力极限是在线评估电力系统电压稳定性的基本要求。提出一种用于离线拟合并在线预测负荷能力极限的SIPSS-Lasso-BP网络。该网络由基于电网状态相似度指标(similarity index of power system state,SIPSS)的样本筛选方法、最小绝对值收缩选择(least absolute shrinkage and select operator,Lasso)方法和BP(back propagation)神经网络共同组成。基于SIPSS的样本筛选方法以样本负荷能力极限值和电网状态相似度量化指标为依据,对训练样本进行筛选。Lasso方法对训练样本进行回归分析,确定各状态量中对负荷能力极限最具有解释性的系统状态量。BP神经网络通过精简后的训练样本来离线拟合负荷能力极限并用于在线预测。通过新英格兰39节点算例和某省实际算例对SIPSS-Lasso-BP网络的测试结果表明,该方法能够在保证预测精度的情况下明显提高BP神经网络的离线训练效率。展开更多
文摘现有的索引选择方法存在诸多局限性.首先,大多数方法考虑场景较为单一,不能针对特定数据模态选择合适的索引结构,进而无法有效应对海量多模态数据;其次,现有方法未考虑索引选择时索引构建的代价,无法有效应对动态的工作负载.针对上述问题,提出一种面向多模态数据的智能高效索引选择模型APE-X DQN(Distributed prioritized experience replay in deep Q-network),称为AP-IS(APE-X DQN for index selection).AP-IS设计了新型索引集编码和SQL语句编码方法,该方法使AP-IS在感知多模态数据的同时兼顾索引结构本身的特性,极大地降低了索引的存储代价.APIS集成新型索引效益评估方法,在优化强化学习奖励机制的同时,监控数据库工作负载的执行状态,保证动态工作负载下AP-IS在时间和空间上的优化效果.在真实多模态数据集上进行大量实验,验证了AP-IS在工作负载的延迟、存储代价和训练效率等方面的性能,结果均明显优于最新索引选择方法.
文摘快速求解系统负荷能力极限是在线评估电力系统电压稳定性的基本要求。提出一种用于离线拟合并在线预测负荷能力极限的SIPSS-Lasso-BP网络。该网络由基于电网状态相似度指标(similarity index of power system state,SIPSS)的样本筛选方法、最小绝对值收缩选择(least absolute shrinkage and select operator,Lasso)方法和BP(back propagation)神经网络共同组成。基于SIPSS的样本筛选方法以样本负荷能力极限值和电网状态相似度量化指标为依据,对训练样本进行筛选。Lasso方法对训练样本进行回归分析,确定各状态量中对负荷能力极限最具有解释性的系统状态量。BP神经网络通过精简后的训练样本来离线拟合负荷能力极限并用于在线预测。通过新英格兰39节点算例和某省实际算例对SIPSS-Lasso-BP网络的测试结果表明,该方法能够在保证预测精度的情况下明显提高BP神经网络的离线训练效率。
