人工智能赋能的数据管理技术研究

大数据时代,数据规模庞大、数据管理应用场景复杂,传统数据库和数据管理技术面临很大的挑战.人工智能技术因其强大的学习、推理、规划能力,为数据库系统提供了新的发展机遇.人工智能赋能的数据库系统通过对数据分布、查询负载、性能表现等特征进行建模和学习,自动地进行查询负载预测、数据库配置参数调优、数据分区、索引维护、查询优化、查询调度等,以不断提高数据库针对特定硬件、数据和负载的性能.同时,一些机器学习模型可以替代数据库系统中的部分组件,有效减少开销,如学习型索引结构等.分析了人工智能赋能的数据管理新技术的研究进展,总结了现有方法的问题和解决思路,并对未来研究方向进行了展望.     

基于遍历有向非循环图的实时事务调度算法

移动环境下实时数据库系统负载的不可预测,以及实时事务争夺有限的系统资源经常导致实时事务重启或夭折。传统的实时事务调度算法已不适应,在用有向非循环图表示数据相互间的导出关系的基础上,提出一种基于遍历这种图的实时事务调度算法。结合实时数据对象的时间域和值域有效性,系统适当地丢弃一些低价值的更新事务以减轻系统负载。仿真实验表明：算法一定程度上降低了事务错过截止期比率并提高了数据新鲜度。     

实时数据库的事务调度策略分析

实时数据库系统的事务调度策略是系统用来处理实时事务的调度方法.基于调度事务的不同类别产生各异的策略,分析目前各类事务调度策略的优缺点及适应类型,提出新的定时调度和传统的优先级调度相结合的想法.     

基于节点负载的数据动态分区

一种基于节点负载的数据动态分区系统,主要考虑节点CPU、内存、带宽负载情况,首先采用二次平滑法预测节点的负载,再结合AHP和熵值指标权重法得到每个节点的处理能力,最后针对不同应用场景动态地调整系统的负载均衡性,提高应用的响应速度;该系统主要包括负载监测采集、预测、数据预分区、数据迁移等模块.由于分布式环境存在节点资源的异构性,为了数据分析计算过程中减少节点之间数据的传输,充分利用节点计算资源,通过负载均衡性提高应用分析的并行计算速度.为此,本文提出一种基于节点负载的数据动态分区机制和策略来改善系统负载均衡性及提高应用的响应速度,辅助相关工作人员完成决策.本论文结合Spark和Elasticsearch集成的数据分析应用场景进行测试.     

学习式数据库系统:挑战与机遇

通用的数据库系统为不同的应用需求与数据类型提供统一的处理方式,在取得了巨大成功的同时,也暴露了一定的局限性:由于没有结合具体应用的数据分布与工作负载,系统往往难以保证性能的最优.为了解决这一问题,“学习式数据库系统”成为了目前数据库领域的研究热点,它利用机器学习技术有效捕获负载与数据的特性,从而对数据库系统进行优化.围绕这一方向,近些年工业界与学术界涌现出了大量的研究工作.首先提出了细粒度的分类体系,从数据库架构出发,将现有工作进行了梳理;其次,系统地介绍了学习式数据库各组件的研究动机、基本思路与关键技术;最后,对学习式数据库系统未来的研究方向进行了展望.     

基于元认知模型的智能混合高斯背景建模

传统混合高斯背景模型(Gaussian mixture model, GMM)不能快速适应动态场景中背景发生突变的情况. 本文提出一种基于元认知模型的智能混合高斯背景建模方法, 每个输入像素经过元认知监控成分刺激元认知体验成分以提取成功(或失败)的意识进行认知, 根据提取的意识及时向元认知知识成分传输新的认知知识或直接提取元认知知识成分, 并作出决策信息. 该方法能够对背景模型产生认知, 当背景突变为认知过的背景时, 可以快速适应并能更准确地描述复杂场景中的真实背景.     

基于日志的数据恢复及其在Oracle中的实现

在信息系统的工程实践中，数据库出现故障后的数据恢复是一项复杂的技术问题。从事务处理和事务日志的角度阐述了数据恢复的基本方法，并特别指出了实现完全数据恢复的技术途径和实施策略，同时结合Oracle数据库系统解剖了一个典型的数据恢复范例。研究结果表明，利用事务日志可以实现无数据丢失的完全恢复。     

面向更新密集型应用的内存数据库高效检查点技术

面向更新密集型应用的内存数据库系统,其检查点技术应符合几个关键的要求,包括检查点操作对正常事务处理的干扰尽可能小、能够处理存取倾斜状况、支持数据库系统的快速恢复、提供恢复过程中的系统可用性等.该文提出一种事务一致的分区检查点技术,采用基于元组的动态多版本并发控制机制,避免了读写事务的加锁冲突,提高系统吞吐能力;检查点操作以只读事务形式实现,存多版本并发控制下,避免检查点操作对正常事务处理的堵塞;由于检查点文件是事务一致的,只需要记录事务的Redo 日志信息,在系统恢复过程中,只需要对日志文件进行一遍扫描处理,加快恢复过程;基于优先级的数据分区装载和恢复,使得恢复过程中新事务的数据存取请求迅速得到满足,保证了恢复过程中的系统可用性.由于采用两级版本管理机制以及动态版本共享技术,多版本管理的空间开销降低到可以接受的水平.实验结果表明,文中提出的检查点技术方案获得比模糊检查点技术高27%的系统吞吐量,同时版本管理的空间开销在可接受的范围之内,满足高性能应用的要求.     

人工智能赋能的数据管理、分析与系统专刊前言

大数据时代,数据规模庞大,数据管理应用场景复杂,传统数据库和数据管理技术面临很大的挑战.人工智能技术因其强大的学习、推理、规划能力,为数据库系统提供了新的发展机遇.专刊强调数据管理与人工智能的深度融合,研究人工智能赋能的数据库新技术和新型系统,包括两方面:(1)传统数据管理、数据分析技术及系统与人工智能相结合,将会焕发新的生机;(2)大数据管理与分析是新一代人工智能技术发展的基石.因此,围绕传统数据管理的不同技术层面,需要新的理论和系统经验.     

基于博弈论的多车智能驾驶交互决策综述

智能驾驶是交通和汽车领域未来发展的重要方向,决策规划作为智能驾驶系统中的关键模块,一直是其重点研究领域之一.当前的研究热点正在从单车智能驾驶决策向混行交通场景下的多车智能驾驶决策进行拓展,因此,需要在复杂动态场景和多并行任务下生成符合车辆动力学且不与道路边界和其他交通参与者发生碰撞的高质量轨迹.多车混行驾驶是对道路时空资源的竞争性使用,博弈论可为多车交互决策提供重要的理论与技术手段.对此,应用博弈论方法进行智能驾驶决策研究的综述,基于滚动时域、微分博弈和马尔科夫博弈这3类常用的博弈模型,对现有相关研究进行归类总结和分析.首先简要介绍博弈论基础知识;其次,总结常见的智能驾驶场景并分析各场景下交互决策的核心问题;然后,通过3种不同的博弈模型对多车交互决策进行建模,分别介绍它们的求解算法和思路及相关的研究工作;最后,介绍相关的仿真实验和测试方法,同时也对未来的技术发展和挑战给出见解.     

智能虚拟布局设计关键技术研究与运用

布局问题的研究具有广泛的工程应用背景,是设计领域的一个重要分支。近年来,布局问题已经被证明具有建模复杂性和NP完全问题性质,求解比较困难。传统的布局问题求解方法大多是基于数学规划,进行建模和求解,遇到复杂产品布局问题建模难度高、计算量大。基于智能算法,结合虚拟现实技术的智能虚拟布局设计方法,将设计师或专家的知识、经验系统地融入布局优化设计进程中。通过实时人机交互和数据反馈修改布局方案,进行目标函数循环,最终获取全局最优方案。通过实例,对智能虚拟布局设计方法有效性进行验证。     

基于数据挖掘的智能决策支持系统

传统决策支持系统由于其功能的不足.不能满足现代企业的决策需求.而数据挖掘技术是解决该问题的有效途径之一.文章分析了数据挖掘技术在决策支持系统中的应用现状.提出了一种基于数据挖掘的智能决策支持系统的体系结构,并给出了总体结构模型和各子系统功能描述.     

舰船信息系统装备质量数据智能采集与分析技术研究

舰船信息系统装备形态多样、技术状态复杂,性能数据和质量数据庞大,需要采用信息化、智能化手段,实现对海量数据的采集、提取、整合与调用,供状态监测和性能评估使用。通过研究信息系统装备相关设计、测试、试验、使用维护数据的获取方式和手段,开展信息采集、图像处理以及应用架构设计等关键技术研究工作,解决质量数据的采集接口不统一,质量数据存储分散,数据分析和利用不够的诸多问题,提高工作效率、降低使用维护成本。在信息采集的基础上,通过研究面向舰船信息系统装备研制、试验、运行、维护等多环节统一的数据环境,开展质量数据建模分析、成功数据包络、性能评估及辅助决策等关键技术研究工作,构建舰船质量数据的高速处理和分析体系,解决辅助决策过程信息多、依据多、流程复杂的问题,可辅助快速生成技术决策建议,缩短决策时间。     

基于仿真的城市规划信息平台系统的研究

文中根据实际课题开发经验,提出了建立基于仿真的城市规划信息平台及辅助决策支持系统的系统结构、技术路线,并给出了一些关键技术的解决思路。结合实际开发,阐明了几个创新点:城市实时三维信息的数据库管理与多层次交互式操作;规划设计的三维辅助审批和建库;多数据源的快速建模方法;规划方案审批及公众参与;规划影响的实时分析。文中提供了城市规划管理所需的更先进的信息技术手段,使得城市规划的高效的管理、科学的决策和顺畅的沟通成为现实。     

数据库开发中面向对象编程思想

关系数据库在业界深远的影响。但随着软件的设计越来越复杂,当前以数据库设计为中心的数据库应用系统的开发已经难以适应需求,设计出来的系统难以维护和升级。基于面向对象的分析和设计的特点正好可以解决这方面的问题。本文将面向对象的思想如何与传统的数据库开发结合起来,可以思路更清晰的来分析和设计相关领域的应用系统。     

传统图形在读图时代的境遇

在今天电子技术和经济的快速发展的推动下,读图时代给视觉文化带来了强大的冲击,传统图形原先所代表和依附的文化环境已经发生了巨大的变化。传统图形原先所依附的物质和文化基础,在工业化、科技化进程中土崩瓦解,传统图形怎样才能适应这一巨大的转变而继续发挥其作用,现代设计对传统图形的研究不能局限传统图形在现代设计中的应用和借鉴问题,也要重视在如此巨大的物质、文化反差下,传统图形自身的发展问题。     

基于值分布的多智能体分布式深度强化学习算法

近年来深度强化学习在一系列顺序决策问题中取得了巨大的成功,使其为复杂高维的多智能体系统提供有效优化的决策策略成为可能.然而在复杂的多智能体场景中,现有的多智能体深度强化学习算法不仅收敛速度慢,而且算法的稳定性无法保证.本文提出了基于值分布的多智能体分布式深度确定性策略梯度算法(multi-agent distributed distributional deep deterministic policy gradient, MA-D4PG),将值分布的思想引入到多智能体场景中,保留预期回报完整的分布信息,使智能体能够获得更加稳定有效的学习信号;引入多步回报,提高算法的稳定性;引入了分布式数据生成框架将经验数据生成和网络更新解耦,从而可以充分利用计算资源,加快算法的收敛.实验证明,本文提出的算法在多个连续/离散控制的多智能体场景中均具有更好的稳定性和收敛速度,并且智能体的决策能力也得到了明显的增强.     

湖南省现代水利信息技术平台实践研究

为促进湖南省水利管理智慧化，推进水利现代化，以湖南省省水利工程大数据融合为基础，各类水利数字工程和专业分析数学等模型为支撑，智能决策和智慧应用服务为出发点，对现代水利信息技术平台进行探索，主要研究水利信息技术平台中的工程可视化系统。该系统采用物联网、建筑信息模型、三维地理信息系统、BIM轻量化引擎等技术方法，定制化开发各项功能，通过分析典型堤垸、规划管理及工程建设管理等3个典型应用场景的建设，表明了平台在不同场景下的都可适用。本研究可推动水利数字工程的实施和应用，提升水利信息化应用水平，促进水利工程管理现代化。     

舰艇CGF系统智能推理决策研究

CGF实体智能化的研究是CGF领域的一个研究重点和难点。而CGF推理决策模型设计是CGF建模的关键环节,为了使舰艇CGF实体在仿真环境中具有智能,采用了人工智能技术。该文在设计舰艇CGF系统推理决策模型过程中,使用了模糊理论来实现敌方实体威胁程度的决策,使用了人工神经网络来实现武器开火的决策。这些人工智能技术在舰艇兵力模型设计中的应用表明,它们能够有效地提高仿真实体的智能水平。     

知识可编程智能芯片系统:概念、架构与展望

本文原创性地提出知识可编程智能芯片系统(KPI-CS)及其理论和工程体系.该系统在当前最先进的异构计算和可重构人工智能(AI)芯片技术的基础上,深度融合复杂系统工程理论、知识工程理论与技术、半导体芯片研发技术、人工智能可重构算法技术,提出基于知识的可重构智能芯片和计算系统平台技术.该系统旨在支持AI应用场景适应性、AI系统重构灵活性、AI算法算力合理性的平行智能AI芯片系统平台和对应的知识服务平台.同时,作为应用展望,KPI-CS与相应的应用平台联动,为平行复杂系统管理与控制、智能交通、智能能源、平行区块链、智能医疗等研究领域和工程实践提供新一代的实时、高效、自适应的计算系统支撑.