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

• 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)
• Automated Fusion of Multimodal Electronic Health Records for Better Medical Predictions [48.0590120095748]
  本稿では,多様な入力モダリティと融合戦略を符号化する最適なモデルアーキテクチャを自動検索する,AutoFMという新しいニューラルネットワーク探索フレームワークを提案する。 我々は実世界のマルチモーダルEHRデータと予測タスクについて徹底的な実験を行い、その結果、我々のフレームワークが既存の最先端手法よりも大幅な性能向上を実現していることを示す。
  論文  参考訳（メタデータ） (2024-01-20T15:14:14Z)
• Efficient Architecture Search via Bi-level Data Pruning [70.29970746807882]
  この研究は、DARTSの双方向最適化におけるデータセット特性の重要な役割を探求する先駆者となった。 我々は、スーパーネット予測力学を計量として活用する新しいプログレッシブデータプルーニング戦略を導入する。 NAS-Bench-201サーチスペース、DARTSサーチスペース、MobileNetのようなサーチスペースに関する総合的な評価は、BDPがサーチコストを50%以上削減することを検証する。
  論文  参考訳（メタデータ） (2023-12-21T02:48:44Z)
• A Scalable Space-efficient In-database Interpretability Framework for Embedding-based Semantic SQL Queries [3.0938904602244346]
  我々は、関係エンティティ間の関係を捉えるために、共起に基づく新しい解釈可能性アプローチを導入する。 我々のアプローチは、クエリ非依存(グロバル)とクエリ特化(ローカル)の両方の解釈機能を提供する。
  論文  参考訳（メタデータ） (2023-02-23T17:18:40Z)
• Analytical Engines With Context-Rich Processing: Towards Efficient Next-Generation Analytics [12.317930859033149]
  我々は、文脈に富む分析を可能にするコンポーネントと協調して最適化された分析エンジンを構想する。 我々は、リレーショナルおよびモデルベース演算子間の総括的なパイプラインコストとルールベースの最適化を目指している。
  論文  参考訳（メタデータ） (2022-12-14T21:46:33Z)
• Distributed intelligence on the Edge-to-Cloud Continuum: A systematic literature review [62.997667081978825]
  このレビューは、現在利用可能な機械学習とデータ分析のための最先端ライブラリとフレームワークに関する包括的なビジョンを提供することを目的としている。 現在利用可能なEdge-to-Cloud Continuumに関する実験的な研究のための、主要なシミュレーション、エミュレーション、デプロイメントシステム、テストベッドも調査されている。
  論文  参考訳（メタデータ） (2022-04-29T08:06:05Z)
• 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。