ИЗВЕСТИЯ ВЫСШИХ УЧЕБНЫХ ЗАВЕДЕНИЙ СЕВЕРО-КАВКАЗСКИЙ РЕГИОН. 2019; 4: 31-38
http://dx.doi.org/10.17213/0321-2653-2019-4-31-38
ОСОБЕННОСТИ КЛАСТЕРИЗАЦИИ SQL-ЗАПРОСОВ НА ОСНОВЕ МЕХАНИЗМА РЕГУЛЯРИЗАЦИИ
Алгазали Салах Махди Мадлол – аспирант, кафедра «Программное обеспечение вычислительной техники», Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова, г. Новочеркасск, Россия. E-mail: alghazali.salah@yandex.ru
Кузнецова Алла Витальевна – канд. техн. наук, доцент, кафедра «Программное обеспечение вычислительной техники», Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова, г. Новочеркасск, Россия. E-mail: alvitkuz@yandex.ru
Айвазов Вадим Григорьевич – магистр, кафедра «Программное обеспечение вычислительной техники», Южно-Российский государственный политехнический университет (НПИ) имени М.И. Платова, г. Новочеркасск, Россия. E-mail: olmm2@ya.ru
Аннотация
В процессе роста объёмов данных крупных распределенных клиентских систем наблюдаются эффекты падения производительности при отсутствии явных причин. Наличие сотен и тысяч запросов в единицу времени на реально работающих клиентских системах требует от специалистов быстрого реагирования в поиске неэффективных SQL-запросов. Целью работы является разработка робастного алгоритма обучения самоорганизующейся нейронной сети для решения задачи анализа большого числа многомерных объектов, функционирующих в постоянно изменяющейся среде. Обучение самоорганизующейся нейронной сети осуществляется на основе оптимального значения ширины топологической окрестности нейрона-победителя. Оптимальное значение ширины окрестности определяется путем вычисления ошибки обобщения самоорганизующейся нейронной сети.
Ключевые слова: неэффективный SQL-запрос; кластеризация; самоорганизующаяся нейронная сеть; ширина топологической окрестности; регуляризация; ошибка обобщения; робастная нейронная сеть
Полный текст: [in elibrary.ru]
Ссылки на литературу
- Алгазали С.М.М., Айвазов В.Г., Кузнецова А.В. Совершенствование процесса поиска неэффективных SQL-запросов в СУБД Oracle // Инженерный вестн. Дона, 2017. № 4. [Электронный ресурс] URL:ivdon.ru/ru /magazine/ archive/n4y2017/4511 (дата обращения 03.11.18).
- Шичкина Ю. Подходы для ускорения обработки данных в реляционных базах данных // 13-й Междунар. симп. по интеллектуальным системам, INTELS 2018; Санкт-Петербург; секция «Компьютерные науки», 2019, Т. 150, С. 131 – 139.
- Рыжков В.А. Совершенствование самоорганизующихся нейронных сетей Кохонена для систем поддержки принятия решений: дис.… канд. техн. наук 2010, М., 2008.
- Прохоров Ю.В. Вероятность и математическая статистика // Большая Российская энциклопедия. М.: Энциклопедия. –1999. 910 с.
- Kohonen T. Self-Organizing Maps (Third Extended Edition), New York, 2001, 501 p.
- Бендерская Е.Н., Шварц Д.Р. Подход к определению параметров нейронной сети Кохонена в задачах анализа структуры многомерных данных // Науч.-техн. ведомости СПбГПУ. 2010. № 93. C. 18–26.
- Lampinen J., Kostiainen T. Overtraining and model selection with the self-organizing map // Proceedings of the International Joint Conference on Neural Networks, 1999, Vol. 3, pp. 1911 – 1915.
- Ultsch A., Morchen F. ESOM-Maps tools for clustering, visualization data // Data Bionics Research Group / University of Marburg. Marburg. Germany. March 17. 2005.
- Sinha S., Singh T.N., Singh V.K., Verma A.K. Epoch determination for neural network by self-organized map (SOM) // Computational Geosciences. 2010. Vol. 14, Issue 1, pp. 199 – 206.
- Vidaurre D., Muruzábal J. A quick assessment of topology preservation for SOM structures // IEEE Transactions on Neural Networks. 2007. Vol. 18, Issue 5, pp. 1524 – 1528.
- Hazan H., Saunders D., Sanghavi D.T., Siegelmann H., Kozma R. Unsupervised Learning with Self-Organizing Spiking Neural Networks // Proceedings of the International Joint Conference on Neural Networks. 2018. Vol. 2018-July, 10 October, numb. 8489673
- Kamimura R., Takeuchi H. Flexible Self-Organizing Maps by Information Maximization // Proceedings of the International Joint Conference on Neural Networks. 2003. Vol. 4, pp. 2734 – 2739.
- Алгазали С.М.М., Кузнецова А.В. Кластеризация неэффективных SQL-запросов // Фундаментальные основы, теория, методы и средства измерений, контроля и диагностики: Материалы 19-й Междунар. науч.-практ. конф., г. Новочеркасск, 26 – 27 фев. 2018 г. / Юж.-Рос. гос. политехн. ун-т (НПИ) им. М.И. Платова. – Новочеркасск: ООО «Лик», 2018. С. 111 –117.