論文の概要: NeurDB: On the Design and Implementation of an AI-powered Autonomous Database

• arxiv url: http://arxiv.org/abs/2408.03013v2
• Date: Sun, 05 Jan 2025 01:52:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:03:54.827300
• Title: NeurDB: On the Design and Implementation of an AI-powered Autonomous Database
• Title（参考訳）: NeurDB: AIを活用した自律データベースの設計と実装について
• Authors: Zhanhao Zhao, Shaofeng Cai, Haotian Gao, Hexiang Pan, Siqi Xiang, Naili Xing, Gang Chen, Beng Chin Ooi, Yanyan Shen, Yuncheng Wu, Meihui Zhang,
• Abstract要約: 本稿では,AIによる自律データベースNeurDBを紹介する。 NeurDBは、データとワークロードのドリフトへの適応性を備えた、AIとデータベースの融合をさらに深める。 実証的な評価によると、NeurDBはAI分析タスクの管理において、既存のソリューションを大幅に上回っている。
• 参考スコア（独自算出の注目度）: 27.13518136879994
• License:
• Abstract: Databases are increasingly embracing AI to provide autonomous system optimization and intelligent in-database analytics, aiming to relieve end-user burdens across various industry sectors. Nonetheless, most existing approaches fail to account for the dynamic nature of databases, which renders them ineffective for real-world applications characterized by evolving data and workloads. This paper introduces NeurDB, an AI-powered autonomous database that deepens the fusion of AI and databases with adaptability to data and workload drift. NeurDB establishes a new in-database AI ecosystem that seamlessly integrates AI workflows within the database. This integration enables efficient and effective in-database AI analytics and fast-adaptive learned system components. Empirical evaluations demonstrate that NeurDB substantially outperforms existing solutions in managing AI analytics tasks, with the proposed learned components more effectively handling environmental dynamism than state-of-the-art approaches.
• Abstract（参考訳）: データベースはAIを採用して、自律的なシステム最適化とインテリジェントなデータベース分析を提供し、さまざまな業界におけるエンドユーザの負担を軽減しようとしている。 それでも、既存のほとんどのアプローチでは、データベースの動的性質を考慮できないため、進化するデータとワークロードを特徴とする現実世界のアプリケーションでは効果がない。 本稿では,AIによる自律データベースNeurDBを紹介し,AIとデータベースの融合をより深め,データやワークロードのドリフトへの適応性を高める。 NeurDBは、データベース内にAIワークフローをシームレスに統合する、新たなデータベース内AIエコシステムを確立する。 この統合により、効率的なデータベース内AI分析と高速適応学習システムコンポーネントが可能になる。 実証的な評価では、NeurDBはAI分析タスクの管理において既存のソリューションを大幅に上回っており、提案した学習コンポーネントは最先端のアプローチよりも環境ダイナミズムをより効果的に処理している。

関連論文リスト

• AnDB: Breaking Boundaries with an AI-Native Database for Universal Semantic Analysis [11.419119182421964]
  AnDBはAIネイティブデータベースで、従来のOワークロードとAI駆動タスクをサポートする。 AnDBでは、AIの専門知識を必要とせずに、直感的なステートメントを使用してセマンティッククエリを実行することができる。 AnDBは将来的なデータ管理インフラストラクチャを保護し、スクラッチから始めることなく、すべての種類のデータの全潜在能力を効果的かつ効率的に活用することを可能にする。
  論文  参考訳（メタデータ） (2025-02-19T15:15:59Z)
• RelGNN: Composite Message Passing for Relational Deep Learning [56.48834369525997]
  本稿では,リレーショナルデータベースの特徴を捉えた新しいGNNフレームワークであるRelGNNを紹介する。 我々のアプローチの核となるのは、高次三部構造を形成するノードの列である原子経路の導入である。 RelGNNは、最先端の精度を最大25%改善して一貫して達成している。
  論文  参考訳（メタデータ） (2025-02-10T18:58:40Z)
• Top Ten Challenges Towards Agentic Neural Graph Databases [56.92578700681306]
  Neo4jやTigerGraphのようなグラフデータベース(GDB)は相互接続されたデータを扱うのが得意だが、高度な推論機能が欠けている。 本稿では,NGDBを3つのコア機能で拡張するエージェント型ニューラルネットワークデータベース(Agentic NGDB)を提案する。
  論文  参考訳（メタデータ） (2025-01-24T04:06:50Z)
• ROMAS: A Role-Based Multi-Agent System for Database monitoring and Planning [11.589862354606476]
  本稿では,ローコード開発とワンクリック展開を実現しつつ,様々なシナリオに適応する役割ベースM ulti-A gentシステムであるROMASを提案する。 ROMAS は DB-GPT [Xue et al., 2023a, 2024b] に効果的にデプロイされている。
  論文  参考訳（メタデータ） (2024-12-18T05:45:39Z)
• LAMBDA: A Large Model Based Data Agent [7.240586338370509]
  本稿では,LArge Model Based Data Agent (LAMBDA)を紹介する。 LAMBDAは、複雑なデータ駆動アプリケーションにおけるデータ分析の課題に対処するように設計されている。 それは、人間と人工知能をシームレスに統合することで、データ分析パラダイムを強化する可能性がある。
  論文  参考訳（メタデータ） (2024-07-24T06:26:36Z)
• NeurDB: An AI-powered Autonomous Data System [44.14807794638682]
  我々は、主要なシステムコンポーネントにAI設計を完全に取り入れるように設計されたAI駆動の自律データシステムであるNeurDBを提示する。 我々はNeurDBの概念的およびアーキテクチャ的概要を概説し、その設計選択と重要なコンポーネントについて議論し、その現況と今後の計画について報告する。
  論文  参考訳（メタデータ） (2024-05-07T00:51:48Z)
• Powering In-Database Dynamic Model Slicing for Structured Data Analytics [31.360239181279525]
  本稿では,指定されたsqlクエリのモデルをカスタマイズする新しい動的スライシング手法であるLEADSを紹介する。 LEADSは、専門家(MoE)の混合を通じて構造化データの予測モデリングを改善し、SQL対応ゲーティングネットワークによって効率を維持する。 実世界のデータセットに関する我々の実験は、LEADSがベースラインモデルより一貫して優れていることを示した。
  論文  参考訳（メタデータ） (2024-05-01T15:18:12Z)
• DNS-Rec: Data-aware Neural Architecture Search for Recommender Systems [79.76519917171261]
  本稿では,SRS(Sequential Recommender Systems)における計算オーバーヘッドと資源非効率性について述べる。 本稿では, プルーニング法と高度なモデル設計を組み合わせた革新的な手法を提案する。 我々の主な貢献は、リコメンダシステム(DNS-Rec)のためのデータ対応ニューラルアーキテクチャ検索の開発である。
  論文  参考訳（メタデータ） (2024-02-01T07:22:52Z)
• Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data Programming [77.38174112525168]
  私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
  論文  参考訳（メタデータ） (2022-03-02T19:57:32Z)
• Unsupervised Domain Adaptive Learning via Synthetic Data for Person Re-identification [101.1886788396803]
  人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。 残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。 本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
  論文  参考訳（メタデータ） (2021-09-12T15:51:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。